À partir de combien de jours de traitement peut-on anticiper l'observance à 3 mois ?
En exploitant les données enregistrées par les appareils PPC, trois modèles d’intelligence artificielle ont été entraînés pour anticiper la trajectoire d’observance d’un patient sur ses 90 premiers jours.
Ces travaux montrent à partir de quand les données d’un patient deviennent prédictives et comment anticiper une trajectoire à risque avant qu’elle ne s’installe.
Contexte clinique
Agir tôt, ou ne pas agir à temps
Quand un patient démarre un traitement par PPC, le prescripteur dispose d’une fenêtre d’observation étroite avant que les habitudes ne s’installent dans un sens ou dans l’autre. Les premières semaines sont déterminantes, mais elles sont aussi celles où le suivi est le moins dense et les signaux d’alerte les plus difficiles à distinguer.
La question que pose cette étude est directe : les données que les appareils PPC collectent dès les premiers jours contiennent-elles déjà les signaux qui permettent d’anticiper la trajectoire à 90 jours ? Et si oui, à partir de combien de jours ces signaux deviennent-ils exploitables ?
90
Jours
durée d’utilisation et jours d’interruption sur les 3 premiers mois
3
modèles évalués
XGBoost, CatBoost et LightGBM, comparés à un benchmark de référence du secteur
2018/2025
période de collecte
des données anonymisées de la cohorte
Accédez aux résultats complets
Ces travaux présentent les courbes de performance des trois modèles sur chaque fenêtre d’observation, la comparaison avec EnsoData, et les perspectives pour une détection précoce personnalisée.
- Performances détaillées à 7, 14, 30 et 60 jours
- Comparaison XGBoost / CatBoost / LightGBM
- Benchmark vs EnsoData : R², RMSE, MAE
- Critères d'inclusion et caractéristiques de la cohorte
- Références bibliographiques complètes
