ALGO-DS (ALGOrithme pour la Dénutrition Sévère)
Contexte
La Haute Autorité de Santé (HAS) définit “la dénutrition [comme] l’état d’un organisme en déséquilibre nutritionnel. Le déséquilibre nutritionnel est caractérisé par un bilan énergétique et/ou protéique négatif.”
La dénutrition sévère constitue un enjeu majeur de santé publique. En France, elle toucherait plus de 2 millions de personnes, dont 800 000 personnes âgées. Sa prévalence est particulièrement élevée à l’hôpital, estimée entre 30 et 40 % chez les patients hospitalisés, notamment en gériatrie, en oncologie ou en réanimation.
Elle est associée à une morbidité accrue, des durées d’hospitalisation prolongées, une hausse des coûts de santé, et une surmortalité significative.
Bien que son diagnostic repose sur des critères cliniques clairement établis par la HAS, la dénutrition sévère demeure largement sous-codée dans les bases médico-administratives comme la base principale du SNDS. Cette sous-déclaration limite considérablement sa détection à large échelle, l’évaluation de la qualité des soins nutritionnels, et la mise en place d’interventions ciblées.
Objectif du projet
Le projet ALGO-DS, porté par l’AP-HP en partenariat avec HeKA (unité de recherche conjointe d’Inria, de l’Inserm et de l’Université Paris Cité), a pour objectif de développer et valider un algorithme de détection automatique de la dénutrition sévère au cours des séjours hospitaliers, à partir des données médico-administratives disponibles dans la base principale du SNDS. Pour construire un gold standard de référence, l’algorithme sera entraîné et validé à partir des données cliniques et administratives issues de l’entrepôt de données de santé (EDS) de l’AP-HP.
Méthodologie et caractère innovant
La première étape consistera à établir un gold standard du statut nutritionnel des patients hospitalisés dans l’EDS, en combinant des données structurées (biologie, IMC, prescriptions) et non structurées (relecture semi-automatisée de comptes rendus via Natural Language Processing (NLP)).
Ce gold standard servira à entraîner un algorithme de détection basé sur des variables disponibles également dans la base principale du SNDS : codes CCAM, CIM-10, LPP, CIP-13, durées de séjour, passages en réanimation, historique d’hospitalisations et recours à la nutrition artificielle.
Deux méthodes de sélection des variables seront comparées : une approche clinique empirique et une approche automatisée par machine learning.
L’algorithme sera validé en interne et en externe, via une validation croisée inter-établissements. Il sera ensuite testé dans la base principale du SNDS afin de vérifier la cohérence des prévalences détectées avec celles observées dans l’EDS.
Le projet ALGO-DS est lauréat de l’appel à manifestation d’intérêt visant à alimenter la Bibliothèque Ouverte d’Algorithmes en Santé (BOAS). Dans ce cadre, les porteurs bénéficient d’un soutien financier et d’un accompagnement dans l’ouverture de leurs résultats.
Résultat / Livrable attendu
Le projet aboutira à la mise à disposition d’un algorithme validé, reproductible et exploitable à grande échelle dans la base principale du SNDS, accompagné de sa documentation open source (Python, R, SAS).
Il permettra de renforcer la surveillance épidémiologique de la dénutrition, d’optimiser les parcours de soins nutritionnels et de mieux intégrer la dénutrition sévère dans l’analyse du pronostic des pathologies chroniques et oncologiques.