Création d’un modèle prédictif d’envoi de service mobile d’urgence et de réanimation par analyse vocale de l’appelant au SAMU : modèle de régression logistique binaire (Creation of a predictive model for sending emergency mobile service and resuscitation by voice analysis of the caller to the SAMU: binary logistic regression model) de Reboul, Ines - (2020-10-05) / Universite de Rennes 1 - Création d’un modèle prédictif d’envoi de service mobile d’urgence et de réanimation par analyse vocale de l’appelant au SAMU : modèle de régression logistique binaire Accéder au document :  https://ged.univ-rennes1.fr/nuxeo/site/esupversion...

Langue : Français Directeur(s) de thèse:  Gangloff, Cédric Discipline : médecine d'urgence Classification : Médecine et santé Mots-clés : SMUR, régulation, aide à la décision, phonation, modèle prédictif. Voix Systèmes d'aide à la décision Régulation médicale Services d'urgence médicale Triage (médecine)‎

Résumé : Le nombre d’appels au SAMU-Centre 15 augmente, le régulateur doit décider en tenant compte de la balance bénéfice-risque entre l’intérêt individuel et collectif par son interrogatoire médical d’où l’intérêt de rechercher des aides à la décision notamment par des techniques d’analyse phonatoire. L’objectif de cette étude a été de créer un modèle prédictif d’envoi de service mobile d’urgence et de réanimation par analyse vocale de l’appelant au SAMU en utilisant une régression logistique binaire. Cette étude rétrospective monocentrique non interventionnelle réalisée au SAMU 35 du CHU de Rennes de janvier à mai 2019 a recueilli 1000 enregistrements dont 724 enregistrements analysables (458 avec envoi d’un SMUR et 266 sans SMUR). Un modèle prédictif d’envoi de SMUR a été créé par régression logistique binaire. Les résultats obtenus montrent que certains paramètres vocaux sont pertinents avec un modèle prédictif final retrouvant 62,9% d’évaluations concordantes avec les données observées. Abstract : The number of calls to the SAMU-Center 15 is increasing, the regulator must decide by examining the benefit-risk balance between individual and collective interest through his medical questioning, hence the interest of seeking decision aids, in particular using phonatory analysis techniques. The objective of this study was to create a predictive model of emergency mobile dispatch and resuscitation by voice analysis of the caller to the emergency room using binary logistic regression. This non-interventional single-center retrospective study carried out at the SAMU 35 of the Rennes University Hospital from January to May 2019 collected 1000 recordings, including 724 analyzable recordings (458 with sending of an SMUR and 266 without SMUR). A predictive model for sending SMUR was created by binary logistic regression. The results obtained show that certain vocal parameters are relevant with a final predictive model finding 62.9% of evaluations consistent with the observed data.