Dans cette étude, notre objectif est de développer et valider un modèle prédictif basé sur l'apprentissage automatique pour la mortalité hospitalière après TAVI en utilisant le registre FRANCE-TAVI. Ce registre national, multicentrique et prospectif, lancé en 2013, inclut les données de plus de 90 000 patients hospitalisés pour TAVI. En intégrant des données complètes des patients, comprenant des variables démographiques, cliniques et procédurales, notre modèle vise à fournir un outil robuste aux cliniciens pour identifier les patients à haut risque et adapter les stratégies de soins postopératoires en conséquence.
Manon L
L'implantation de valve aortique transcathéter (TAVI) est devenue l'intervention de référence pour les patients souffrant de sténose aortique présentant un risque chirurgical prohibitif, élevé ou intermédiaire. Malgré sa nature mini-invasive, le TAVI n'est pas exempt de complications, la mortalité hospitalière restant une préoccupation importante. La prédiction précise de la mortalité hospitalière après TAVI peut jouer un rôle essentiel dans l'identification des patients à haut risque qui pourraient bénéficier de stratégies de soins postopératoires personnalisées. Cette étude utilise des données complètes des patients et des techniques d'apprentissage automatique pour développer un modèle prédictif de la mortalité hospitalière après TAVI