evidoria

← Retour à la liste

Bonne pratique Importée

Le projet pilote d'apprentissage automatique de l'UKHSA pour la prévision en temps réel de la demande de soins de santé hivernale

Royaume-Uni · London · Voir le profil de Royaume-Uni · Voir le profil de London

Top 35% 67/100 · Demandez à Evidence Copilot à propos de cette pratique

L'Agence britannique de sécurité sanitaire (UKHSA) a testé des modèles d'apprentissage automatique prévoyant les appels au NHS 111 et les admissions aux urgences pour bronchiolite jusqu'à 28 jours à l'avance durant l'hiver 2022-2023, publiant des résultats évalués par les pairs qui montrent aussi bien les réussites du modèle que ses échecs lors d'une saison sans précédent.

Détails

Promoteur
UK Health Security Agency (UKHSA)
Période
Winter 2022–2023 pilot; peer-reviewed evaluation published 2024–2025
Mots-clés
public health, epidemiological surveillance, healthcare demand forecasting

Description

Durant la saison respiratoire hivernale 2022-2023, l'UK Health Security Agency (UKHSA) a testé un nouveau système de prévision automatisé, construit sur ses données quotidiennes existantes de surveillance syndromique pour l'Angleterre. Le pilote ciblait deux indicateurs sensibles au virus respiratoire syncytial (VRS) chez les enfants de moins de cinq ans : les appels de télésanté au NHS 111 pour « toux » et les admissions aux urgences pour « bronchiolite aiguë », dans le but de prévoir le moment et l'intensité des pics saisonniers jusqu'à 28 jours à l'avance, afin que les gestionnaires du NHS puissent planifier leurs capacités.
Les épidémiologistes de l'UKHSA ont testé 252 spécifications de modèles combinant sept méthodes d'apprentissage supervisé (dont forêts aléatoires, machines à vecteurs de support, régression elastic-net et gradient boosting) avec différents termes de saisonnalité et de tendance, publiant la comparaison complète dans une évaluation révisée par les pairs. Les modèles de forêt aléatoire avec termes saisonniers de Fourier ont donné les meilleurs résultats, avec des erreurs de prévision de pic de 0,0195 (appels NHS 111) et 0,0267 (admissions aux urgences). Lors d'un test en temps réel, le modèle a correctement prévu la date du pic de bronchiolite du 29 novembre 2022 et estimé son intensité à environ 9 % près de la valeur réelle.
La même évaluation documente les échecs de la prévision : une hausse sans précédent des appels pour toux au NHS 111 en décembre 2022 — 39,3 % au-dessus du record précédent — a été en partie provoquée par l'inquiétude publique liée aux infections invasives à streptocoque du groupe A plutôt qu'au seul VRS, ce qui a dégradé la spécificité de l'indicateur toux et faussé des prévisions entraînées sur des tendances historiques. Les auteurs concluent que les prévisions automatisées sortent de leur cadre d'entraînement lors de saisons véritablement inédites et « doivent toujours être accompagnées d'une interprétation experte » plutôt qu'utilisées comme outil de décision autonome — un compte rendu, revu par les pairs, inhabituellement franc sur la valeur et les limites de la méthode.

Mise en œuvre

Les détails de mise en œuvre (coût, calendrier, personnel, conditions de réussite) ne sont pas encore disponibles pour cette pratique.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pratiques similaires qui pourraient vous être utiles