Partage des données entre les différents systèmes d'information de santé : Application pour la Transfusion plaquettaire - HEASY-PLAT

Objectif(s) de la recherche et intérêt pour la santé publique

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

Les transfusions de concentrés plaquettaires (CP) peuvent parfois provoquer des effets indésirables (EI) chez le receveur ou ne pas être efficaces. Cela pourrait être lié à la fonction inflammatoire des plaquettes. En plus de leur fonction pour réguler les saignements, les plaquettes participent à des événements inflammatoires. Cette étude vise à mieux comprendre le bon et le mauvais usage des CP lors des transfusions. Elle consiste à étudier les caractéristiques des CP, le suivi des receveurs, leur pathologie associée et les paramètres liés à l'efficacité de la transfusion des CP selon plusieurs approches : in vitro, in vivo et complétée par la base de données de l'EFS et des services cliniques du CHU de Saint-Etienne. Des méthodes de « machine learning » seront utilisées afin de proposer à l’EFS un arbre de décision de délivrance des CP pour une transfusion personnalisée. Ces algorithmes d'optimisation permettront de faire correspondre les caractéristiques des patients et les produits plaquettaires disponibles pour réduire le risque d'EI et augmenter le rendement de la transfusion en prenant en compte les caractéristiques des patients et des CP.
Ainsi, l’objectif d'optimiser le rendement transfusionnel grâce à trois approches expérimentales (In Vitro, In Vivo, Intelligence Artificielle).

L'identification des mécanismes de préparation des concentrés plaquettaires (CP) et des substances inflammatoires d'intérêt aidera l'Etablissement français du sang (et d'autres centres de transfusion) à décider des modifications à apporter au packaging des CP et aux procédures de stockage. L'interconnexion des bases de données (banque de sang, inflammation, soins de santé) et l'analyse des résultats sur la base de facteurs biomathématiques (machine learning) permettront de développer des modèles biomathématiques, des algorithmes et des stratégies de transfusion spécifiques pour les patients, en particulier ceux qui présentent le risque d’EI le plus élevé, afin d'améliorer les rendements transfusionnels et deréduire le risque.De plus, la prévention des événements indésirables pourrait diminuer les coûts associés aux hospitalisations prolongées, aux soins intensifs et à la prise en charge des complications post-transfusionnelles. Enfin, le projet permettrait d’approfondir la compréhension des mécanismes à l'origine des événements indésirables liés aux transfusions plaquettaires. Grâce au développement de modèles prédictifs, cette recherche pourrait ouvrir de nouvelles perspectives pour le diagnostic et la prévention d'autres complications transfusionnelles ou médicales, tout en enrichissant la littérature scientifique sur la physiologie des plaquettes sanguines.

Les patients inclus dans la cohorte seront les patients transfusés au CHU de Saint-Etienne et qui n’ont pas exprimé leur opposition après la réception de la notice d’information (n=236171).
Les donneurs inclus dans la cohorte seront les donneurs dont les concentrés plaquettaires ont été transfusés au CHU de Saint-Etienne et qui n’ont pas exprimé leur opposition après la réception de la notice d’information (n=52110).