L'oxygénothérapie à haut débit a prouvé son efficacité en réduisant la mortalité, mais l'échec de cette méthode reste difficile à prédire. Cette étude vise à intégrerl'intelligence artificielle dans la décision thérapeutique pour améliorer cette prédiction. Nous avonsinclus 369 patients atteints de COVID-19, admis en réanimation à l'hôpital régional de Zaghouan demars 2020 à décembre 2022. Après un prétraitement des données et une optimisation deshyperparamètres à l'aide de GridSearchCV, quatre modèles d'apprentissage automatique ont été testés :XGBoost,...

High-flow oxygen therapy has proven its effectiveness in reducing mortality, but failure of this method remains difficult to predict. This study aims to integrate artificial intelligence into the therapeutic decision to improve this prediction. We included 369 patients with COVID-19 admitted to the intensive care unit of the Zaghouan regional hospital from March 2020 to December 2022. After data preprocessing and hyperparameter optimization using GridSearchCV, four machine learning models were tested: XGBoost, Random Forest, k-nearest neighbors, and logistic regression. The XGBoost model...

Die Hochleistungs-Sauerstofftherapie hat sich bei der Senkung der Sterblichkeit als wirksam erwiesen, aber das Versagen dieser Methode lässt sich nur schwer vorhersagen. Diese Studie zielt darauf ab, künstliche Intelligenz in die Therapieentscheidung zu integrieren, um die Vorhersage zu verbessern. Wir schlossen 369 Patienten mit COVID-19 ein, die von März 2020 bis Dezember 2022 auf der Intensivstation des Regionalkrankenhauses Zaghouan behandelt wurden. Nach der Vorverarbeitung der Daten und der Optimierung der Hyperparameter mit GridSearchCV wurden vier Modelle des maschinellen Lernens...