Le sommeil joue un rôle crucial dans la santé cardiovasculaire. Plusieurs études ont démontré qu’une mauvaise qualité de sommeil, l’insomnie, la somnolence diurne excessive ou les troubles respiratoires du sommeil sont associés à un risque accru de pathologies cardiovasculaires telles que l’hypertension, la fibrillation atriale ou la cardiopathie ischémique. Cependant, les outils actuellement disponibles pour évaluer les troubles du sommeil en consultation cardiologique sont souvent complexes ou chronophages. Cette étude vise à valider un questionnaire simplifié, adapté à une utilisation en routine clinique, permettant de détecter rapidement des troubles du sommeil.

Le nombre d’interventions chirurgicales est en constante augmentation dans le monde. Parmi les techniques devenues majeures, la chirurgie coelioscopique permet un abord mini-invasif, limitant les dommages tissulaires par rapport à la laparotomie. Elle nécessite la création d’un espace, obtenu par l’insufflation de CO₂ dans la cavité abdominale, permettant un décollement du péritoine. Cette étape requiert une relaxation complète de la paroi abdominale, généralement induite par l’administration d’un curare. C’est un médicament qui relaxe les muscles et favorise le travail chirurgical. La profondeur de ce relâchement, tout comme sa réversibilité, doivent être rigoureusement surveillées. En France, cette surveillance repose principalement sur l’accélérométrie, qui mesure la contraction du muscle du pouce après stimulation du nerf ulnaire. Le relâchement est alors classée comme profonde, modérée, résiduelle ou absente. Cependant, malgré une curarisation dite « profonde », les conditions opératoires peuvent demeurer imparfaites, notamment du fait de contractions abdominales persistantes. Cette discordance s’expliquerait par l’absence de correspondance entre les muscles testés et ceux impliqués dans la chirurgie coelioscopique. La variation de la pression d’insufflation peropératoire pourrait constituer un marqueur indirect mais pertinent de l’efficacité réelle de la curarisation, ouvrant la voie à un monitorage plus adapté et personnalisé.

Les cancers représentent en France la première cause de décès chez l’homme et la deuxième chez la femme. Les résultats existants en termes de délai de guérison sont principalement basés sur des modélisations de la survie nette stratifiées en sous-groupes par localisation et sexe. Ces choix peuvent être à l’origine des estimations publiées avec des intervalles de confiance très larges, limitant leur utilité pour les patients et les décideurs. Nous avons développé une méthodologie basée sur l’apprentissage machine (réseaux de neurones) pour prédire plus précisément les proportions et les délais de guérison. Une première étude de simulation illustre ses bonnes propriétés. Nous souhaitons appliquer la méthode sur les données du registre de Poitou-Charentes, plus particulièrement sa cohorte des cancers du poumon enrichie de variables pronostiques telles que le stade d’extension au diagnostic et le type histologique. Individualiser la prédiction de la proportion et du délai de guérison est essentiel pour répondre aux attentes d’information des patients. Une application R shiny sera proposée pour une utilisation facilitée par une interface simple.

L’intelligence artificielle est de plus en plus présente dans le domaine médical. Cependant, peu d’études ont exploré le point de vue des patients sur son intégration dans le parcours de soins, notamment en cardiologie. Cette étude vise à évaluer l’acceptabilité d’un assistant conversationnel utilisant l’IA chez des patients suivis en cardiologie, ainsi qu’à identifier les freins, les attentes et les leviers de cette adoption.

Les maladies des reins sont une complication fréquente et grave du diabète. Pourtant, nous ne comprenons pas encore totalement pourquoi certaines personnes diabétiques développent une atteinte rénale alors que d’autres sont épargnées. Cette étude vise à mieux comprendre le rôle du système immunitaire – en particulier celui des globules blancs (ou leucocytes) – dans le développement de ces complications. Nous savons déjà que certaines cellules immunitaires, comme les lymphocytes ou les monocytes, peuvent réagir au stress provoqué par le diabète et potentiellement endommager les tissus du rein. Ce projet cherche donc à savoir si certains profils de globules blancs dans le sang sont associés à un risque plus élevé de perte de fonction rénale. Pour cela, nous allons analyser des données provenant de plus d’un million de participants issus de grandes études de suivi menées dans plusieurs pays (France, États-Unis, Royaume-Uni, Finlande, Australie, Singapour…). Ces études, appelées “cohortes”, suivent depuis de nombreuses années des personnes atteintes ou non de diabète, en collectant des données sur leur santé, leurs analyses sanguines, et leur fonction rénale.

La maladie des exostoses multiples est l’une des maladies héréditaires les plus fréquentes, elle se manifeste par la formation d’excroissances osseuses. Il n’y a pas de définition dans la littérature concernant le bilan initial et le suivi, il apparaît important de standardiser la prise en charge de ces patients. Cette étude vise à effectuer une description clinique et radiographique de la population atteinte des exostoses multiples.

Cette étude vise à évaluer la fréquence des échecs de pose des cathéters veineux périphériques aux urgences et à mieux comprendre les facteurs qui influencent leur réussite. En observant les pratiques actuelles, nous espérons identifier des solutions pour améliorer le confort des patients, réduire les complications et optimiser les soins. Les données collectées seront pseudo-anonymisées et serviront à améliorer les recommandations en matière de pose et de gestion des cathéters veineux périphériques.

Identifier les Signatures Évolutives des Données Longitudinales : Machine Learning et Analyse Topologique sur 30 Ans de Suivi dans la cohorte DCCT/EDIC de patients atteints de diabète de type 1. L’objectif principal est d’identifier des signatures de marqueurs longitudinaux (=signatures topologiques) associées au risque d’événements cardiovasculaire, rénal ou cérébral chez les diabétiques de type 1. Ce projet se distingue par une approche novatrice reposant sur le machine Learning, en collaboration avec le laboratoire XLIM de l’Université de Poitiers. Cette recherche vise à affiner l'estimation des trajectoires de paramètres biologiques s’associant au risque de survenue d’évènement de santé cardiovasculaire, rénal et cérébral. Les résultats permettront d'améliorer la prise de décision clinique et le suivi des patients diabétiques.

Impact de l’hyperfiltration glomérulaire chez les patients en situation d’obésité : évènements cardio-vasculaires et trajectoires rénales L'obésité est une maladie chronique qui touche 18 % des adultes en France en 2024. Elle est caractérisée par un excès de graisse corporelle, nuisible à la santé physique, psychologique et sociale. L'obésité est définie par un indice de masse corporelle (IMC) de 30 kg/m² ou plus, mais cette mesure a des limites car elle ne tient pas compte de la distribution de la graisse. Les complications de l'obésité affectent plusieurs organes, notamment le cœur, les vaisseaux sanguins, le métabolisme, les poumons et les os. Elle est également liée à un syndrome complexe associant maladies cardiovasculaires, rénales, obésité et diabète de type 2. Les complications rénales de l'obésité sont moins connues, mais l'obésité est un facteur de risque indépendant pour le développement de l'insuffisance rénale chronique. L'hyperfiltration glomérulaire (HG), souvent observée chez les patients obèses, peut conduire à des dommages rénaux. Le Centre Spécialisé Obésité (CSO) Poitou-Charentes joue un rôle central dans la prise en charge des patients obèses, offrant des soins, de la formation et de la recherche. Les patients bénéficient d'une évaluation clinique complète, et leurs données sont collectées pour un suivi longitudinal. Cette étude permettra d’évaluer le lien entre le fonctionnement du rein et la survenue d’évènements cardiovasculaires chez cette population de patients.

Ce projet vise à développer des méthodes statistiques pour évaluer la qualité des données de l’entrepôt de données de santé (EDS) du CHU de Poitiers. Les outils développés seront utilisés par les études menées sur l’EDS du CHU de Poitiers et pourront être partagés à d’autres CHU.