Linterprtation automatise des lectrocardiogrammes outil fiable ou instrument
L’interprétation automatisée des électrocardiogrammes: outil fiable ou instrument nuisible? Katherine Perey Emmanuelle Sansregret Résidente I UMF Cité-de-la-Santé 1 Katherine Perey & Emmanuelle Sansregret - 2018
Plan de la présentation Introduction Objectifs Méthode Résultats Analyse Conclusion 2 Katherine Perey & Emmanuelle Sansregret - 2018
Introduction • Prototype vers la fin des années 50 par Pipberg et al. • But: Expansion et modernisation de la médecine • Années 70: Premiers logiciels commercialisables • Par la suite: Amélioration des logiciels, diminution du coût et augmentation du nombre de programmes • Avantages convoités: • Précision, temps et standardiser • AUCUN consensus ou standardisation entre les manufacturiers (détermination début et fin des complexes) • Beaucoup de variabilité Katherine Perey & Emmanuelle Sansregret - 2018 3
Méthode • Ajout d’une sous-section • Quelle est l’influence d’une telle interprétation, présente d’emblée sur la majorité des électrocardiogrammes, sur l’interprétation qu’en font les médecins? Bases de données: • MEDLINE • Pub. Med • Google scholar • Embase • Ovid Avec l’aide d’une bibliothécaire professionnelle de CSL 4 Katherine Perey & Emmanuelle Sansregret - 2018
Méthode Limitations: • Articles entre 1990 et 2018 • Français ou anglais • Études contrôlées randomisées, études cliniques, research support, études rétrospectives ou comparatives • Titre comprenant « Computer OR Computerized » Me. SH • Electrocardiography AND • (Diagnosis, computer assisted OR Software) Restriction: Major topic 2245 articles trouvés 52 articles trouvés Sélection de 10 articles Révision des références de chaque article pour inclure d’autres articles pertinents à nos questions Katherine Perey & Emmanuelle Sansregret - 2018 Après sélection des articles: • Via la lecture des résumés et des titres de chacun Et exclusions: • Articles traitant d’une 5 pathologie particulière (ex. FA)
VS Gold Standard PREMIER VOLET DU PROJET Question # 1 6 Katherine Perey & Emmanuelle Sansregret - 2018
Objectif (question 1) 6 articles Vérifier l’exactitude de l’interprétation automatisée des électrocardiogrammes faits dans divers contextes. P Électrocardiogrammes I Analyse des ECG par un ordinateur C Gold standard (tests diagnostiques ou cardiologues)) O Exactitude de l’interprétation effectuée par les ordinateurs 7 Katherine Perey & Emmanuelle Sansregret - 2018
Résultats Article 1 : Willems et al. , 1991 Article 2 : De Bruyne et al. , 1997 Article 3 : Snyder et al. , 2003 Type d’étude Étude d’observation Site de l’étude 5 centres Européens District de Rotterdam, Pays-Bas Urgence pédiatrique au Texas Children’s Hospital Population à l’étude N= 1220 ECG provenant d’hommes (68%) et de femmes (32%) entre 39 et 65 ans ayant un des 7 diagnostics principaux en plus des patients contrôles. N= 3057 ECG provenant d’hommes et les femmes de plus de 55 ans Seulement 12% des ECG utilisés N= 1187 ECG provenant de garçons (47, 5%) et de filles (52, 5%) entre 5 et 21 ans Logiciel à l’étude 9 programmes différents dont le MEANS et le Marquette. Modular ECG Analysis System (MEANS) Marquette Electronics software Gold standard Tests diagnostiques (échographie cardiaque, cathétérisation, mesure des enzymes cardiaques) couronnés par 3 cardiologues indépendants. 2 cardiologues 1 cardiologue (sur les 3 présents dans l’étude) Katherine Perey & Emmanuelle Sansregret - 2018 8
Résultats (suite) Article 4 : Guglin et al. , 2006 Article 5 : Shah et al. , 2007 Article 6 : Hakacova et al. , 2012 Type d’étude Étude d’observation Site de l’étude Hôpital VA, Détroit, USA 1 seul hôpital à Los Angeles Hôpital universitaire Lund, Suède Population à l’étude N= 2194 ECG provenant d’hommes (98, 3%) et de femmes ambulatoires et hospitalisées entre 33 et 96 ans N= 2174 ECG sélectionnés de manière randomisée sur 30 000 ECG de patients ambulatoires et hospitalisés N= 503 ECG provenant de femmes (54%) et d’hommes entre 45 et 83 ans Logiciel à l’étude Non-disponible, mais 12 dérivations GE-Marquette (MUSE CV software version 005 D. 02) Philips Medical et Draeger Medical Gold Standard 2 cardiologues Katherine Perey & Emmanuelle Sansregret - 2018 9
Résultats (suite) Résultats / Signification statistique Article 1 : Willems et al. , 1991 Article 2 : De Bruyne et al. , 1997 - ECG contrôles: les programmes combinés ont été exacts dans 96, 7% des cas comparativement à 97, 1% pour les cardiologues. (Significatif) - ECG anormaux: les programmes combinés ont été exacts dans 96, 7% des cas comparativement à 94% pour les cardiologues. (Non-significatif) - Indice Kappa: Chez les cardiologues 0, 67 ± 0, 09 vs les logiciels (0, 51± 0, 11) (Significatif p< 0, 001) e s y l a n a ’ d - Sensibilité du programme MEANS entre 73, 8% et 92, 9% selon les pathologies. - Spécificité du programme MEANS entre 97, 5% et 99, 8%. e c n e s Ab Katherine Perey & Emmanuelle Sansregret - 2018 Conclusion - Le meilleur programme a des niveaux similaires (sensibilité et spécificité) à ceux obtenus par le meilleur cardiologue. - MAIS, la majorité des cardiologues demeurent individuellement supérieurs pour identifier la normalité. - Pour certaines pathologies (IM antérieur, IM inférieur et HVG), l’interprétation de l’ECG par ordinateur est équivalente ou supérieure à l’interprétation par un médecin chercheur Pour d’autres pathologies (BBG et BBD), l’interprétation de l’ECG par ordinateur est inférieure à l’interprétation par le médecin chercheur. - 10
Résultats (suite) Résultats / Signification statistique Article 3 : Snyder et al. , 2003 Article 4 : Guglin et al. , 2006 - Classe I : Le pourcentage de diagnostics exacts dans cette catégorie est de 100% à la fois pour l’urgentologue et l’ordinateur. (Non-significatif) - Classe IV : Le pourcentage de diagnostics exacts dans cette catégorie est puissance de 14% pour l’ordinateur et de Faible 28% pour l’urgentologue (Non-significatif ) - Indice Kappa entre les cardiologues est de 0, 94, soit une quasi perfection ( p >0, 3) - Exactitude ordinateur: 91, 1%, dont 100% pour les ECG étant normaux et 24, 1% dans le cas des ECG anormaux. e s y l a an ’ d e c La sensibilitése den l’ordinateur est entre 65, 9% et b A 100% et la spécificité est de 90%. Conclusion - Dans le cas d’ECG normaux, à la fois l’ordinateur et le médecin sont exacts. - Dans le cas de diagnostics ayant un impact clinique, l’ordinateur et le médecin sont inexacts, les médecins dans une plus faible mesure. - L’ordinateur est exact lorsque l’ECG est normal, mais on ne peut conclure autrement pour les autres diagnostics surtout lorsqu’il y a un pacemaker. 11 Katherine Perey & Emmanuelle Sansregret - 2018
Résultats (suite) Résultats / Signification statistique Article 5 : Shah et al. , 2007 Article 6 : Hakacova et al. , 2012 - L’exactitude du logiciel tous rythmes confondus est de 88%. (Pas d’analyse) - L’interprétation du rythme sinusal est exacte dans 95% des cas, alors que pour les rythmes non -sinusaux, ce taux passe à 53. 5%. (Significatif p<0, 0001) Conclusion - L’ordinateur est très exact dans la détermination du rythme sinusal, mais présente une limitation marquée pour les autres rythmes. - L’exactitude tous rythmes confondus: Résidents 85% vs 80 % pour le logiciel A et 75% pour le logiciel B. (Non-significatif entre logiciel et nonexperts p<0, 45 et 0, 11) - La sensibilité et la VPP du logiciel A pour les rythmes sinusaux sont de 96% et 97, 8% vs 94, 5% et 96, 4% pour le logiciel B - La sensibilité et la VPP du logiciel A pour les rythmes non-sinusaux confondus sont de 75% et 76, 5% vs 61, 5% et 58, 9% pour le logiciel B - L’ordinateur a une excellente VPP pour un ECG lu comme étant normal alors qu’il n’en est pas de même pour les autres rythmes. Aussi, dans une certaine mesure, l’interprétation peut conseiller adéquatement les résidents. 12 Katherine Perey & Emmanuelle Sansregret - 2018
Analyse: Biais commun Toutes les études à l’exception de celle de Willems et al. : Biais de classification : Gold standard = cardiologue ou médecin expérimenté, donc impossible d’être supérieure si référence inexacte Peut sous-estimer performances Biais classification: Performances diagnostiques et terminologies différentes entre logiciels (1 -2 étudiés) Difficile de généraliser 13 Katherine Perey & Emmanuelle Sansregret - 2018
Analyse: Biais sélection Multiples biais de sélections: • Article 2 De Bruyne et al. : Sélection des ECG vient surestimer certaines pathologies • Article 3 Snyder et al. : Seulement 25% des ECG ont été utilisés (mauvaise compliance des urgentologues) • Article 4 Guglin et al. : • Exclusion des ECG lorsque les cardiologues étaient en désaccord avec l’interprétation • Majorité des ECG proviennent d’hommes 14 Katherine Perey & Emmanuelle Sansregret - 2018
Analyse: Biais Articles 1 et 2 de Willems et al. et De Bruyne et al: Biais de classification: Analyses effectuées avec un système de classification dichotomique des résultats (présence ou absence d’une pathologie) avec un seuil de normalité fixe Article 3 Snyder et al. Biais d’observation: Accessibilité aux ECG antérieurs et médecins savaient que leurs compétences étaient à l’étude Article 5 Shah et al. Biais de classification: Cardiologues avaient accès à seulement 3 dérivations vs 12 pour l’ordinateur 15 Katherine Perey & Emmanuelle Sansregret - 2018
Analyse: Limitations Articles Limitations Article 2 et 4 De Bruyne et al. et Guglin et al. : Absence d’analyse statistique Article 6 Hakacova et al. : Pas de calcul des sensibilités, spécificités, VPP et VPN pour chaque rythme, donc plus difficile à comparer les données entre-elles 16 Katherine Perey & Emmanuelle Sansregret - 2018
Analyse: Validité externe Globalement: Validité externe assez modeste Population: Outre l’étude de Shah et al. qui utilise la randomisation, les autres études utilisent des populations plus spécifiques Étude Willems et al. : Limitation 7 pathologies Étude de Bruyne et al. : Proportion fixe de certaines pathologies Étude de Snyder et al. : Contexte pédiatrique Étude Guglin et al. : Principalement ECG d’hommes Étude de Hakacova et al. : Population hospitalière 17 Katherine Perey & Emmanuelle Sansregret - 2018
VS DEUXIÈME VOLET DU PROJET Question # 2 18 Katherine Perey & Emmanuelle Sansregret - 2018
Objectif (question 2) 4 articles Vérifier l’influence de l’interprétation automatisée sur le diagnostic final et la prise en charge faite par les résidents ou les médecins généralistes P Résidents en médecine familiale, interne et d’urgence, ainsi que les médecins certifiés des ces disciplines I Accès à l’interprétation automatisée C Non-accès à l’interprétation automatisée O Influence de l’interprétation par ordinateur des ECG sur la population étudiée 19 Katherine Perey & Emmanuelle Sansregret - 2018
Résultats Article 1: Hillson et al. , 1995 Article 2: Goodacre et al. , 2001 Article 3: Tsai et al. , 2003 Article 4: Southern et al. , 2009 Type d’étude Essai clinique randomisé Essai clinique Site de l’étude Clinique de médecine de première ligne, Minneapolis / St-Paul. Northern General Hospital, Sheffield University of Pittsburgh Medical Center Montefiore Medical Center Population à l’étude 42 médecins de famille et internistes (moyenne de 11 ans de pratique). 10 senior house officers (équivalent de résidents qui ont gradué il y a 2 -3 ans) 30 résidents en médecine interne (12 R 2 et 18 R 3). 110 résidents en médecine interne et médecine d’urgence ECG utilisés Interprétation de 10 vignettes cliniques Interprétation de 50 ECG Interprétation de 23 ECG sur 83 (27% des ECG) après une sélection spécifique. Interprétation d’un ECG à travers une vignette clinique Gold Standard Cardiologues Deux médecins expérimentés 2 cardiologues et un interniste Un cardiologue 20 Katherine Perey & Emmanuelle Sansregret - 2018
Résultats (suite) Résultats / Signification statistique Article 1 : Hillson et al. , 1995 Article 2 : Goodacre et al. , 2001 - L’accord était de 37% lorsque le rapport était exact alors qu’il s’abaissait à 15% et 14% lorsque le rapport était absent ou inexact. (Significatif p < 0, 001) - Les médecins étaient en accord avec les rapports dans 43, 3% : 52, 1% dans le groupe ayant accès aux rapports vs 33, 7% dans le groupe sans rapport. (Significatif p < 0, 0001) Conclusion - Les médecins qui avaient accès aux rapports d’ECG avaient deux fois plus de chance que les médecins n’ayant pas accès au rapport d’arriver au bon diagnostic, et ce, principalement lorsque les diagnostics étaient moins fréquents (WPW et péricardite) qui sont d’ailleurs les deux seuls cas statistiquement significatifs. - OR ajusté pour les erreurs majeures avec interprétation : 0, 64 (95% CI 0, 36 -1, 14) (Nonsignificatif p 0, 13) - OR ajusté pour ECG interprétés correctement par résidents avec interprétation par ordinateur : 1, 43 (95% CI 0, 88 -2, 33) (Non-significatif p 0, 15) Les résidents font beaucoup d’erreurs dans leur interprétation, indépendamment de la présence d’une interprétation exacte ou inexacte par l’ordinateur. 21 Katherine Perey & Emmanuelle Sansregret - 2018
Résultats (suite) Résultats / Signification statistique Article 3 : Tsai et al. , 2003 Conclusion - L’interprétation par ordinateur des ECG peut, de manière générale, améliorer l’exactitude des - Si ordinateur exact, exactitude des sujets: Différence interprétations d’ECG par les résidents en de 15% en faveur des sujets qui avaient accès à médecine interne. Par contre, les résidents sont l’interprétation de l’ordinateur (53, 1% vs 68, 1%) fortement influencés, et ce, de manière (Significatif p<0, 0001) significative par des interprétations erronées, ce qui limite leur utilité. - Si ordinateur inexact, exactitude des sujets: Différence de 8, 4% en faveur des sujets qui n’avaient pas accès à l’interprétation (56, 7% vs 48, 3%) (Nonsignificatif p 0, 13) - Si l’interprétation par l’ordinateur et le résident était inexacte: sans l’interprétation, les sujets étaient d’accord avec cette mauvaise interprétation dans 34, 6% des trouvailles vs 67, 8% des trouvailles lorsqu’il avait accès à l’interprétation inexacte. Soit une différence de 33, 1% (Significatif p<0, 0001) Article 4 : Southern et al. , 2009 Au niveau interprétation: (Non-significatif p 0, 62) - Sans interprétation: 12% normaux, 47% non-dx, 41% ischémie/infarctus. - Avec interprétation: 9% normaux, 41% non-dx, 50% ischémie / infarctus. - Sans interprétation, 0% des résidents ayant lu l’ECG non-dx on suggéré la revascularisation vs 9% avec l’interprétation) (Non-significatif p 0, 15) Katherine Perey & Emmanuelle Sansregret - 2018 - Une erreur dans l’interprétation par ordinateur d’un ECG n’affecte pas de manière significative l’interprétation des résidents, mais affecte tout de même l’agressivité de la prise en charge ultérieure. 22
Analyse: Biais communs de la question 1 Articles Biais Les quatre études Biais subconscient : Médecins tendance à se fier à l’interprétation par ordinateur Les trois premières études Biais de temps : Soit dans l’étude #1 30 minutes pour (Hillson et al. , Goodacre et 10 ECG, dans l’étude #2 60 secondes / ECG et dans al. et Tsai et al. ): l’étude #3 une heure pour 23 ECG. 23 Katherine Perey & Emmanuelle Sansregret - 2018
Analyse: Biais sélection Multiples biais de sélections: • Article 1 Hillson et al. : • Participants payés • Article 2 Goodarcre et al. : • Dix résidents pris sur une base volontaire • Article 4 Southern et al. : • Pas de mention de l’année de résidence des résidents 24 Katherine Perey & Emmanuelle Sansregret - 2018
Analyse: Limitations Articles Limitations Article 1 Hillson et al. : • Contexte artificiel avec vignettes simplifiées (donc diagnostics facilité) et ECG non représentatifs des pathologies de la réalité Article 2 et 3 Goodacre et al. et Tsai et al. : • Manque de puissance de l’étude pour détecter une influence statistiquement significative Article 4 Southern et al. : • Un seul ECG, donc impossible de conclure qu’un faux positif lu par l’ordinateur influence la prise en charge dans d’autres circonstances • Aucune randomisation. 25 Katherine Perey & Emmanuelle Sansregret - 2018
Analyse: Validité externe Globalement: Validité externe limitée ECG: Les ECG choisis semblent représentatifs de la clinique, mais limitation au niveau du nombre d’ECG. Population: Très petit nombre de résidents ou médecin (patrons) inclus dans l’étude 26 Katherine Perey & Emmanuelle Sansregret - 2018
Limitations à notre projet Datation de nos articles • Peu de littérature récente • Amélioration des logiciels à travers les années dans des étendues différentes • Extrapolation à notre pratique actuelle difficile Populations pas similaires entreelles • Utilisation d’une population pédiatrique comparativement à adulte • Particularités différentes chez les enfants Rythme vs diagnostic • Pas exactement la même entité 27 Katherine Perey & Emmanuelle Sansregret - 2018
Conclusion Partie 1 • • • On ne peut pas conclure hors de tout doute que l’interprétation par ordinateur est fiable dans tous les cas • Études de faible puissance Fiabilité adéquate lorsque l’électrocardiogramme était lu comme étant normal Malheureusement, on ne peut pas générer des conclusions similaires lorsque l’ECG est lu comme étant anormal Partie 2 • • • Nous sommes grandement influencés par la suggestion donnée Une interprétation exacte semble augmenter notre exactitude Une suggestion erronée nous influence également dans cette direction L’étude de Southern et al. soulève: Prise en charge en accord avec l’interprétation automatisée plutôt qu’avec sa propre interprétation, donc tendance à faire plus confiance à l’ordinateur qu’à notre propre jugement 28 Katherine Perey & Emmanuelle Sansregret - 2018
Appui à la conclusion: Étude de 2017 par Hughes et al. : exactitude de l’interprétation des ECG lus comme étant normaux au triage à l’urgence • But: Évaluer si un changement de priorité au triage pouvait être relié à un ECG N • Des 222 ECG lus N, 13 lus comme anormaux par les cardiologues (anomalies non-spécifique des ondes T ou des changements d’axes) • 1 patient associé à un changement au triage • Épreuve d’effort lendemain Limite N 29 Katherine Perey & Emmanuelle Sansregret - 2018
Références • • • 1. Abreu-Lima C. et de Sa JP. (1998). Automatic classifiers for the interpretation of electrocardiograms. Rev Port Cardiol, 17(5), 415 -28. Repéré à https: //www. ncbi. nlm. nih. gov/pubmed/9656764 2. Drazen E. , Mann N. , Borun R. , Laks. et Bersen M. , (1988) Survey of computer assisted electrocardiography in the United States. J Electrocardiol, 21: S 98104. Repéré à https: //ac. els-cdn. com/0022073688900684/1 -s 2. 0 -0022073688900684 -main. pdf? _tid=7 a 37 b 5 c 3 -ad 2 d-40 a 1 -8 f 69721793 f 371 dd&acdnat=1524797903_38 faefc 00 e 41 d 712 d 5 b 5 e 5 da 2577 bb 3 d 3. Schlant R. C. , Adolph R. J. , Di. Marco J. P. , Drcifus L. S. , Dunn M. I. , Fisch C. , … Ronan Jr J. A. (1992). Guidelines for electrocardiography. A report of the American College of Cardiology/American Heart Association Task Force on assessment of diagnostic and therapeutic cardiovascular procedures (committee on electrocardiography). JACC, 19(3), 473 -81. https: //doi. org/10. 1161/01. CIR. 85. 3. 1221. Repéré à http: //circ. ahajournals. org/content/85/3/1221. long 4. Kligfield P. , Gettes L. S. , Bailey J. J. , Childers R. , Deal B. J. , Hancock E. W. , … Wagner G. S. (2007). Recommendations for the standardization and interpretation of the electrocardiogram. Part I: the electrocardiogram and its technology. A scientific statement from the American Heart Association Electrocardiography and Arrhythmias Committee, Council on Clinical Cardiology; the American College of Cardiology Foundation; and the Heart Rhythm Society endorsed by the International Society for Computerized Electrocardiology. J Am Coll Cardiol. 115(10), 1306 -1324. Doi: 10. 1161/CIRCULATIONAHA. 106. 180200. Repéré à http: //circ. ahajournals. org/content/115/10/1306. long 5. Willems, J. L. , Abreu-Lima, C. , Arnaud, P. , H. van Bemmel, J. , Brohet, C. , Degani, R. , … Zywietz, C. (1991). The diagnostic performance of computer programs for the interpretation of electrocardiograms. The New England Journal of Medecine, 325 (25), 1767 -1773. Doi : 10. 1056/NEJM 199112193252503. Repéré à http: //www. nejm. org/doi/10. 1056/NEJM 199112193252503? url_ver=Z 39. 882003&rfr_id=ori: rid: crossref. org&rfr_dat=cr_pub%3 dwww. ncbi. nlm. nih. gov 6. de Bruyne, M. C. , Kors, J. A. , Hoes, A. W. , Kruijssen, D. A. C. , Deckers, J. W. , Grosfeld, M. , … van Bemmel, J. H. (1997). Diagnostic Interpretation of electrocardiograms in population-based research : Computer Program Research Physicians, or cardiologists ? . Journal of clinical epidemiology, 50 (8), 947952. https: //doi. org/10. 1016/S 0895 -4356(97)00100 -5. Repéré à https: //ac. els-cdn. com/S 0895435697001005/1 -s 2. 0 -S 0895435697001005 main. pdf? _tid=ac 0 e 340 d-6371 -4 d 56 -ac 2 b-b 511 d 5431 f 7 d&acdnat=1524932916_f 9 e 9 cd 4991696 b 6791 ed 99464 bd 8 ad 9 a https: //ac. els-cdn. com/S 0895435697001005/1 -s 2. 0 -S 0895435697001005 -main. pdf? _tid=ac 0 e 340 d-6371 -4 d 56 -ac 2 bb 511 d 5431 f 7 d&acdnat=1524932916_f 9 e 9 cd 4991696 b 6791 ed 99464 bd 8 ad 9 a 7. Snyder, C. S. , Fenrich, A. L. , Friedman, R. A. , Macias, C. , O’Reilly, K. et Kertesz, N. J. (2003). The emergency department versus the computer : Which is better electrocardiographer ? . Pediatric Cardiology, 24 (4), 364 -368. Doi : 0. 1007/s 00246 -002 -0332 -z. Repéré à https: //link. springer. com/content/pdf/10. 1007%2 Fs 00246 -002 -0332 -z. pdf 8. Guglin, M. E. et Thatai, D. , (2005), Common errors in computer electrocardiogram interpretation. International Journal of Cardiology, 106 (2), 232 -237. https: //doi. org/10. 1016/j. ijcard. 2005. 02. 007. Repéré à https: //ac. els-cdn. com/S 0167527305004043/1 -s 2. 0 -S 0167527305004043 -main. pdf? _tid=fe 2 b 4 b 8546 e 3 -4536 -8 bb 0 -45 a 7 b 0423 b 68&acdnat=1524537186_b 34 f 1 aa 27 fa 4907 a 430 bffdd 15 a 0 cf 98 30 Katherine Perey & Emmanuelle Sansregret - 2018
Références (Suite) • • • 9. Shah, A. P. et Rubin, S. A. , (2007). Errors in the computerized electrocardiogram interpretation of cardiac rythm. Journal of Electrocardiology, 40 (5), 385 -390. https: //doi. org/10. 1016/j. jelectrocard. 2007. 03. 008. Repéré à https: //ac. els-cdn. com/S 0022073607000696/1 s 2. 0 -S 0022073607000696 -main. pdf? _tid=950 b 53 dc-add 5 -431 d-a 670 a 0 fff 3483988&acdnat=1524537426_62 ecf 1 c 750 ea 973050 a 18698353817 c 5 10. Hakacova, N. , Trägârdh-Johanson, E. , Wagner, G. S. , Maynard, C. , Pahlm, O. , (2012). Computer-based rhythm diagnosis and its possible influence on nonexpert electrocardiogram readers. Journal of Electrocardiology. 45 (2), 18 -22. https: //doi. org/10. 1016/j. jelectrocard. 2011. 05. 007. Repéré à https: //www. jecgonline. com/article/S 0022 -0736(11)00162 -2/pdf 11. Hillson, S. D. , Connelly, D. P. et Liu, Y. , (1995). The effects of computer-assisted electrocardiographic interpretation on physicians’ diagnostic decisions. Med Decis Making. 15 (2), 107 -112. Doi : 10. 1177/0272989 X 9501500202. Repéré à http: //journals. sagepub. com/doi/pdf/10. 1177/0272989 X 9501500202 12. Goodacre, S. , Webster, A. et Morris, F. , (2001). Do computer generated ECG reports improve interpretation by accident and emergency senior house officers ? . Postgraduate Medical Journal. 77 (909), 455 -457. Doi : 10. 1136/pmj. 77. 909. 455. Repéré à https: //www. ncbi. nlm. nih. gov/pmc/articles/PMC 1760998/pdf/v 077 p 00455. pdf 13. Tsai, T. L. , Fridsma, D. B. , Gatti, G. , (2003). Computer decision support as a source of interpretation error : The case of electrocardiograms. Journal of the American Medical Informatics Association. 10 (5), 478 -483. Doi : http: //10. 1197/jamia. M 1279. Repéré à https: //www. ncbi. nlm. nih. gov/pmc/articles/PMC 212785/pdf/478. pdf 14. Southern, W. N. et Amsten, J. H. (2009). The effect of erreneous computer interpretation of ECGs on resident decision making. Med Decis Making. 29 (3), 372 -376. Doi : 10. 1177/0272989 X 09333125. Repéré à https: //www. ncbi. nlm. nih. gov/pmc/articles/PMC 2806088/pdf/nihms 112978. pdf 15. GE Healthcare. «Marquette 12 SL ECG Analysis Program: Statement of Validation and Accuracy» . 2016, [ https: //www. numed. co. uk/documents/download/210] (date de consultation : 1 mai 2018). 16. GE Healthcare. «Marquette 12 SL Algorithm: Connected Clinical Excellence» . 2016, [http: //www 3. gehealthcare. co. uk/~/media/downloads/uk/product/diagnostic%20 cardiology/marquette%2012 sl%20 algorithm. pdf? Parent=%7 B 9 A 3 B 7 C 05 -236 D-4 A 58 -AAB 8 -F 02 FAB 9 C 9802%7 D] (date de consultation : 1 mai 2018). 17. Hughes, K. E. , Lewis, S. M. , Katz, L. , Jones, J. , (2017). Safety of computer interpretation of normal triage electrocardiograms. Academic Emergency Medicine. 24(1), 120 -124. https: //doi. org/10. 1111/acem. 13067. Repéré à https: //onlinelibrary. wiley. com/doi/epdf/10. 1111/acem. 13067 18. Robert, Pierre-Yves. « Au Québec, quatre milléniaux sur cinq possèdent un appareil mobile » . Infopresse, 29 juin 2017, [ http: //www. infopresse. com/article/2017/6/29/au-quebec-4 -milleniaux-sur-5 -possedent-un-appareil-mobile ] (date de consultation: 5 avril 2018). 31 Katherine Perey & Emmanuelle Sansregret - 2018
MERCI!!! 32 Katherine Perey & Emmanuelle Sansregret - 2018
- Slides: 32