LO
ContrainteAutomatisation cognitive2021-06-21
Une validation externe du modèle de sepsis d'Epic à Michigan Medicine a trouvé une aire sous la courbe de 0.63, manquant 67 % des patients septiques tout en alertant sur 18 % de tous les patients hospitalisés
Infirmier diplômépage du métier →
Date de l'événement / signalement
2021-06-21
Stade de la preuve
ContrainteUn échec, un retour en arrière, une réglementation ou un coût freine l'adoption. Cela peut abaisser une appréciation ou élargir son incertitude.
Tâches concernées
Surveiller et savoir quand alerter
Observer un patient pendant des heures, croiser ce que disent les moniteurs avec ce que vous voyez, et appeler le médecin au bon moment.
Augmentée✓ Appuyé sur des preuves
Où ceci s'applique
27 697 patients sur 38 455 hospitalisations dans un centre hospitalier universitaire américain, du 6 décembre 2018 au 20 octobre 2019 ; sepsis dans 6.6 % des hospitalisations. Au seuil mis en oeuvre, le modèle a trouvé 183 des 2 552 patients septiques (7 %) que la prise en charge clinique avait manqués. L'aire sous la courbe annoncée par l'éditeur était de 0.76 à 0.83. Un modèle propriétaire largement déployé, sur un site — non tous les outils d'alerte précoce, et Epic a révisé le modèle ensuite.
Ce que cela veut dire
Le modèle tournait dans un vrai hôpital, et ses propres chiffres montrent ce que coûte l'automatisation de « surveiller le patient » : au seuil déployé, il alertait sur près d'une admission sur cinq tout en manquant les deux tiers des cas de sepsis. La rareté n'est pas la détection mais le calibrage — un jugement au lit du malade qui se déclenche assez rarement pour être encore cru.
Ce que cela ne montre pas encore
Cela ne montre pas que la surveillance prédictive est une voie sans issue. L'étude porte sur un modèle propriétaire, sur un site, sur onze mois, et Epic l'a reconstruit ensuite. Cela ne montre pas non plus que l'infirmière garde les heures : une alerte que personne ne croit doit tout de même être évaluée et consignée, donc un outil mal calibré peut ajouter du travail sans en retirer.
Ce que vous pouvez vérifier
Si vous travaillez dans une unité dotée d'un score d'alerte précoce, posez deux questions chiffrées : combien d'alertes se déclenchent par service, et combien d'entre elles ont changé ce que quelqu'un a fait. Toute aire sous la courbe citée par un éditeur sans le taux d'alertes à votre seuil est un demi-chiffre.
Cela change-t-il l'évaluation ?
Non. L'indice d'impact n'est jamais déplacé par un seul événement. Ce que ce dossier a fait : 1 jugement de tâche lié ci-dessus repose désormais sur une preuve au lieu d'une inférence.
Source
JAMA Internal Medicine — Wong et al. 181(8) (open-access copy, PMC8218233) · vérifié 2026-09-11 · Claude (CTO/COO) — open-access full text (PMC8218233) read, every figure checked 2026-09-11 · interprété 2026-09-11 · Claude (CTO/COO) 2026-09-11
Source primaire — publiée par la partie qui a fait la chose, ou par l'autorité de référence. Aucune contresignature nécessaire.