Prédiction du risque d’échec de la Ventilation non-invasive en soins intensifs pédiatriques

Idée générale du projet : La majorité des enfants admis en Soins Intensifs Pédiatriques ont besoin d’un support respiratoire par un ventilateur. Fréquemment, un essai de ventilation non-invasive (VNI, avec un masque) est tenté pour éviter de devoir intuber (mettre un tube dans la trachée) les enfants. Cependant, la VNI ne suffit pas pour certains enfants et il est important de le réaliser rapidement pour intuber les enfants qui en ont besoin avant qu’ils ne soient trop instables. Le but général de ce projet est de développer et valider un score pour prédire les échecs de VNI le plus tôt possible. 
Ce projet utilisera une Base de Données massives de soins intensifs (BD-SI) contenant toutes les données recueillies à haute fréquence par les différentes technologies au chevet des patients (près de 7000 patients actuellement). Un score est en cours de développement en collaboration avec le CHOP à Philadelphie. Notre base de données servira de cohorte de validation externe pour le score. 

Objectifs  : Les tâches de l’étudiant seront de :
-    Se familiariser avec l’architecture de la base de données massives et l’environnement R studio.
-    Se familiariser avec l’extraction de données dans la base par requête SQL
-    Se familiariser avec interactions multidisciplinaires : interface entre génie et médecine
-    Extraire l’ensemble des données hautes fréquences de la base de données pour tous les patients traités par VNI (environ 4000 patients)
-    Tester la validité du score prédictif sur la cohorte pour vérifier sa capacité à prédire l’échec de VNI (passage à la ventilation invasive)
-    Éventuellement recalibrer ou améliorer le score si besoin.