Analyse de série chronologique interrompue : Questions médicales fréquentes
Nom anglais: Interrupted Time Series Analysis
Descriptor UI:D065186
Tree Number:N06.850.520.450.500.912
Termes MeSH sélectionnés :
Deep Learning
{
"@context": "https://schema.org",
"@graph": [
{
"@type": "MedicalWebPage",
"name": "Analyse de série chronologique interrompue : Questions médicales les plus fréquentes",
"headline": "Analyse de série chronologique interrompue : Comprendre les symptômes, diagnostics et traitements",
"description": "Guide complet et accessible sur les Analyse de série chronologique interrompue : explications, diagnostics, traitements et prévention. Information médicale validée destinée aux patients.",
"datePublished": "2024-02-04",
"dateModified": "2025-04-29",
"inLanguage": "fr",
"medicalAudience": [
{
"@type": "MedicalAudience",
"name": "Grand public",
"audienceType": "Patient",
"healthCondition": {
"@type": "MedicalCondition",
"name": "Analyse de série chronologique interrompue"
},
"suggestedMinAge": 18,
"suggestedGender": "unisex"
},
{
"@type": "MedicalAudience",
"name": "Médecins",
"audienceType": "Physician",
"geographicArea": {
"@type": "AdministrativeArea",
"name": "France"
}
},
{
"@type": "MedicalAudience",
"name": "Chercheurs",
"audienceType": "Researcher",
"geographicArea": {
"@type": "AdministrativeArea",
"name": "International"
}
}
],
"reviewedBy": {
"@type": "Person",
"name": "Dr Olivier Menir",
"jobTitle": "Expert en Médecine",
"description": "Expert en Médecine, Optimisation des Parcours de Soins et Révision Médicale",
"url": "/static/pages/docteur-olivier-menir.html",
"alumniOf": {
"@type": "EducationalOrganization",
"name": "Université Paris Descartes"
}
},
"isPartOf": {
"@type": "MedicalWebPage",
"name": "Études épidémiologiques",
"url": "https://questionsmedicales.fr/mesh/D016021",
"about": {
"@type": "MedicalCondition",
"name": "Études épidémiologiques",
"code": {
"@type": "MedicalCode",
"code": "D016021",
"codingSystem": "MeSH"
},
"identifier": {
"@type": "PropertyValue",
"propertyID": "MeSH Tree",
"value": "N06.850.520.450.500"
}
}
},
"about": {
"@type": "MedicalCondition",
"name": "Analyse de série chronologique interrompue",
"alternateName": "Interrupted Time Series Analysis",
"code": {
"@type": "MedicalCode",
"code": "D065186",
"codingSystem": "MeSH"
}
},
"author": [
{
"@type": "Person",
"name": "Jürgen Rehm",
"url": "https://questionsmedicales.fr/author/J%C3%BCrgen%20Rehm",
"affiliation": {
"@type": "Organization",
"name": ""
}
},
{
"@type": "Person",
"name": "Shannon Lange",
"url": "https://questionsmedicales.fr/author/Shannon%20Lange",
"affiliation": {
"@type": "Organization",
"name": ""
}
},
{
"@type": "Person",
"name": "Y Li",
"url": "https://questionsmedicales.fr/author/Y%20Li",
"affiliation": {
"@type": "Organization",
"name": "Key Laboratory of Medical Virology and Viral Diseases of National Health Commission, National Institute of Viral Disease Control and Prevention, Chinese Center for Disease Control and Prevention, Beijing 102206, China."
}
},
{
"@type": "Person",
"name": "S C Yu",
"url": "https://questionsmedicales.fr/author/S%20C%20Yu",
"affiliation": {
"@type": "Organization",
"name": "Office of Epidemiology, Chinese Center for Disease Control and Prevention, Beijing 102206, China."
}
},
{
"@type": "Person",
"name": "C G Jin",
"url": "https://questionsmedicales.fr/author/C%20G%20Jin",
"affiliation": {
"@type": "Organization",
"name": "School of Social Development and Public Policy, Beijing Normal University, Beijing 100875, China."
}
}
],
"citation": [
{
"@type": "ScholarlyArticle",
"name": "DEEP MOVEMENT: Deep learning of movie files for management of endovascular thrombectomy.",
"datePublished": "2023-02-27",
"url": "https://questionsmedicales.fr/article/36847835",
"identifier": {
"@type": "PropertyValue",
"propertyID": "DOI",
"value": "10.1007/s00330-023-09478-3"
}
},
{
"@type": "ScholarlyArticle",
"name": "An interpretable deep learning model for detecting",
"datePublished": "2024-10-28",
"url": "https://questionsmedicales.fr/article/39484212",
"identifier": {
"@type": "PropertyValue",
"propertyID": "DOI",
"value": "10.7717/peerj.18098"
}
},
{
"@type": "ScholarlyArticle",
"name": "Deep learning for metabolic pathway design.",
"datePublished": "2023-09-19",
"url": "https://questionsmedicales.fr/article/37734652",
"identifier": {
"@type": "PropertyValue",
"propertyID": "DOI",
"value": "10.1016/j.ymben.2023.09.012"
}
},
{
"@type": "ScholarlyArticle",
"name": "Deep learning applications in osteoarthritis imaging.",
"datePublished": "2023-02-09",
"url": "https://questionsmedicales.fr/article/36759367",
"identifier": {
"@type": "PropertyValue",
"propertyID": "DOI",
"value": "10.1007/s00256-023-04296-6"
}
},
{
"@type": "ScholarlyArticle",
"name": "Multimodal deep learning model on interim [",
"datePublished": "2022-08-27",
"url": "https://questionsmedicales.fr/article/36029345",
"identifier": {
"@type": "PropertyValue",
"propertyID": "DOI",
"value": "10.1007/s00330-022-09031-8"
}
}
],
"breadcrumb": {
"@type": "BreadcrumbList",
"itemListElement": [
{
"@type": "ListItem",
"position": 1,
"name": "questionsmedicales.fr",
"item": "https://questionsmedicales.fr"
},
{
"@type": "ListItem",
"position": 2,
"name": "Environnement et santé publique",
"item": "https://questionsmedicales.fr/mesh/D004778"
},
{
"@type": "ListItem",
"position": 3,
"name": "Santé publique",
"item": "https://questionsmedicales.fr/mesh/D011634"
},
{
"@type": "ListItem",
"position": 4,
"name": "Méthodes épidémiologiques",
"item": "https://questionsmedicales.fr/mesh/D004812"
},
{
"@type": "ListItem",
"position": 5,
"name": "Caractéristiques des études épidémiologiques",
"item": "https://questionsmedicales.fr/mesh/D016020"
},
{
"@type": "ListItem",
"position": 6,
"name": "Études épidémiologiques",
"item": "https://questionsmedicales.fr/mesh/D016021"
},
{
"@type": "ListItem",
"position": 7,
"name": "Analyse de série chronologique interrompue",
"item": "https://questionsmedicales.fr/mesh/D065186"
}
]
}
},
{
"@type": "MedicalWebPage",
"name": "Article complet : Analyse de série chronologique interrompue - Questions et réponses",
"headline": "Questions et réponses médicales fréquentes sur Analyse de série chronologique interrompue",
"description": "Une compilation de questions et réponses structurées, validées par des experts médicaux.",
"datePublished": "2025-05-05",
"inLanguage": "fr",
"hasPart": [
{
"@type": "MedicalWebPage",
"name": "Diagnostic",
"headline": "Diagnostic sur Analyse de série chronologique interrompue",
"description": "Comment identifier une série chronologique interrompue ?\nQuels outils sont utilisés pour l'analyse ?\nQuelles données sont nécessaires pour l'analyse ?\nComment évaluer la validité des résultats ?\nQuels biais peuvent affecter l'analyse ?",
"url": "https://questionsmedicales.fr/mesh/D065186?mesh_terms=Deep+Learning&page=4#section-diagnostic"
},
{
"@type": "MedicalWebPage",
"name": "Symptômes",
"headline": "Symptômes sur Analyse de série chronologique interrompue",
"description": "Quels symptômes peuvent être analysés ?\nComment les symptômes évoluent-ils après une intervention ?\nPeut-on mesurer des symptômes subjectifs ?\nLes symptômes sont-ils influencés par des facteurs externes ?\nComment les symptômes sont-ils collectés ?",
"url": "https://questionsmedicales.fr/mesh/D065186?mesh_terms=Deep+Learning&page=4#section-symptômes"
},
{
"@type": "MedicalWebPage",
"name": "Prévention",
"headline": "Prévention sur Analyse de série chronologique interrompue",
"description": "Comment l'analyse aide-t-elle à la prévention ?\nQuels programmes peuvent être analysés ?\nComment mesurer l'impact d'une campagne de prévention ?\nQuels indicateurs de prévention sont pertinents ?\nPeut-on évaluer des interventions non médicales ?",
"url": "https://questionsmedicales.fr/mesh/D065186?mesh_terms=Deep+Learning&page=4#section-prévention"
},
{
"@type": "MedicalWebPage",
"name": "Traitements",
"headline": "Traitements sur Analyse de série chronologique interrompue",
"description": "Quels traitements peuvent être évalués par cette méthode ?\nComment mesurer l'efficacité d'un traitement ?\nPeut-on comparer plusieurs traitements ?\nQuels indicateurs de traitement sont utilisés ?\nComment les effets secondaires sont-ils pris en compte ?",
"url": "https://questionsmedicales.fr/mesh/D065186?mesh_terms=Deep+Learning&page=4#section-traitements"
},
{
"@type": "MedicalWebPage",
"name": "Complications",
"headline": "Complications sur Analyse de série chronologique interrompue",
"description": "Quelles complications peuvent être analysées ?\nComment les complications sont-elles mesurées ?\nLes complications sont-elles influencées par le temps ?\nPeut-on prédire des complications futures ?\nComment gérer les complications identifiées ?",
"url": "https://questionsmedicales.fr/mesh/D065186?mesh_terms=Deep+Learning&page=4#section-complications"
},
{
"@type": "MedicalWebPage",
"name": "Facteurs de risque",
"headline": "Facteurs de risque sur Analyse de série chronologique interrompue",
"description": "Quels facteurs de risque peuvent être analysés ?\nComment les facteurs de risque influencent-ils les résultats ?\nPeut-on identifier des facteurs de risque modifiables ?\nComment les facteurs de risque sont-ils mesurés ?\nLes facteurs de risque changent-ils avec le temps ?",
"url": "https://questionsmedicales.fr/mesh/D065186?mesh_terms=Deep+Learning&page=4#section-facteurs de risque"
}
]
},
{
"@type": "FAQPage",
"mainEntity": [
{
"@type": "Question",
"name": "Comment identifier une série chronologique interrompue ?",
"position": 1,
"acceptedAnswer": {
"@type": "Answer",
"text": "Il faut observer des changements significatifs dans les données après une intervention."
}
},
{
"@type": "Question",
"name": "Quels outils sont utilisés pour l'analyse ?",
"position": 2,
"acceptedAnswer": {
"@type": "Answer",
"text": "Des logiciels statistiques comme R ou SAS sont souvent utilisés pour l'analyse."
}
},
{
"@type": "Question",
"name": "Quelles données sont nécessaires pour l'analyse ?",
"position": 3,
"acceptedAnswer": {
"@type": "Answer",
"text": "Des données chronologiques avant et après l'intervention sont essentielles."
}
},
{
"@type": "Question",
"name": "Comment évaluer la validité des résultats ?",
"position": 4,
"acceptedAnswer": {
"@type": "Answer",
"text": "Il faut vérifier la robustesse des résultats par des tests de sensibilité."
}
},
{
"@type": "Question",
"name": "Quels biais peuvent affecter l'analyse ?",
"position": 5,
"acceptedAnswer": {
"@type": "Answer",
"text": "Les biais de sélection et de mesure peuvent fausser les résultats."
}
},
{
"@type": "Question",
"name": "Quels symptômes peuvent être analysés ?",
"position": 6,
"acceptedAnswer": {
"@type": "Answer",
"text": "Des symptômes comme la fréquence des hospitalisations ou des décès peuvent être mesurés."
}
},
{
"@type": "Question",
"name": "Comment les symptômes évoluent-ils après une intervention ?",
"position": 7,
"acceptedAnswer": {
"@type": "Answer",
"text": "L'analyse peut montrer une diminution ou une augmentation des symptômes post-intervention."
}
},
{
"@type": "Question",
"name": "Peut-on mesurer des symptômes subjectifs ?",
"position": 8,
"acceptedAnswer": {
"@type": "Answer",
"text": "Oui, des échelles de mesure peuvent évaluer des symptômes subjectifs comme la douleur."
}
},
{
"@type": "Question",
"name": "Les symptômes sont-ils influencés par des facteurs externes ?",
"position": 9,
"acceptedAnswer": {
"@type": "Answer",
"text": "Oui, des facteurs comme la saisonnalité peuvent influencer les symptômes observés."
}
},
{
"@type": "Question",
"name": "Comment les symptômes sont-ils collectés ?",
"position": 10,
"acceptedAnswer": {
"@type": "Answer",
"text": "Ils peuvent être collectés par des enquêtes, des dossiers médicaux ou des observations."
}
},
{
"@type": "Question",
"name": "Comment l'analyse aide-t-elle à la prévention ?",
"position": 11,
"acceptedAnswer": {
"@type": "Answer",
"text": "Elle permet d'évaluer l'impact des programmes de prévention sur des résultats de santé."
}
},
{
"@type": "Question",
"name": "Quels programmes peuvent être analysés ?",
"position": 12,
"acceptedAnswer": {
"@type": "Answer",
"text": "Des programmes de vaccination, de dépistage ou d'éducation à la santé peuvent être évalués."
}
},
{
"@type": "Question",
"name": "Comment mesurer l'impact d'une campagne de prévention ?",
"position": 13,
"acceptedAnswer": {
"@type": "Answer",
"text": "L'impact est mesuré par des changements dans les comportements ou les taux de maladies."
}
},
{
"@type": "Question",
"name": "Quels indicateurs de prévention sont pertinents ?",
"position": 14,
"acceptedAnswer": {
"@type": "Answer",
"text": "Des indicateurs comme le taux d'incidence ou de prévalence des maladies sont pertinents."
}
},
{
"@type": "Question",
"name": "Peut-on évaluer des interventions non médicales ?",
"position": 15,
"acceptedAnswer": {
"@type": "Answer",
"text": "Oui, des interventions comme des changements de politique ou d'environnement peuvent être analysées."
}
},
{
"@type": "Question",
"name": "Quels traitements peuvent être évalués par cette méthode ?",
"position": 16,
"acceptedAnswer": {
"@type": "Answer",
"text": "Des traitements médicaux, chirurgicaux ou comportementaux peuvent être analysés."
}
},
{
"@type": "Question",
"name": "Comment mesurer l'efficacité d'un traitement ?",
"position": 17,
"acceptedAnswer": {
"@type": "Answer",
"text": "L'efficacité est mesurée par des changements dans les résultats cliniques après l'intervention."
}
},
{
"@type": "Question",
"name": "Peut-on comparer plusieurs traitements ?",
"position": 18,
"acceptedAnswer": {
"@type": "Answer",
"text": "Oui, l'analyse peut comparer l'impact de différents traitements sur les mêmes résultats."
}
},
{
"@type": "Question",
"name": "Quels indicateurs de traitement sont utilisés ?",
"position": 19,
"acceptedAnswer": {
"@type": "Answer",
"text": "Des indicateurs comme le taux de guérison ou la réduction des symptômes sont utilisés."
}
},
{
"@type": "Question",
"name": "Comment les effets secondaires sont-ils pris en compte ?",
"position": 20,
"acceptedAnswer": {
"@type": "Answer",
"text": "Les effets secondaires doivent être mesurés et analysés pour évaluer la sécurité du traitement."
}
},
{
"@type": "Question",
"name": "Quelles complications peuvent être analysées ?",
"position": 21,
"acceptedAnswer": {
"@type": "Answer",
"text": "Des complications comme les infections ou les effets indésirables des traitements peuvent être évaluées."
}
},
{
"@type": "Question",
"name": "Comment les complications sont-elles mesurées ?",
"position": 22,
"acceptedAnswer": {
"@type": "Answer",
"text": "Elles sont mesurées par des taux d'incidence ou des événements indésirables rapportés."
}
},
{
"@type": "Question",
"name": "Les complications sont-elles influencées par le temps ?",
"position": 23,
"acceptedAnswer": {
"@type": "Answer",
"text": "Oui, certaines complications peuvent varier selon la période de suivi après l'intervention."
}
},
{
"@type": "Question",
"name": "Peut-on prédire des complications futures ?",
"position": 24,
"acceptedAnswer": {
"@type": "Answer",
"text": "L'analyse peut aider à prédire des complications en fonction des tendances observées."
}
},
{
"@type": "Question",
"name": "Comment gérer les complications identifiées ?",
"position": 25,
"acceptedAnswer": {
"@type": "Answer",
"text": "Des stratégies de gestion doivent être mises en place pour minimiser les complications."
}
},
{
"@type": "Question",
"name": "Quels facteurs de risque peuvent être analysés ?",
"position": 26,
"acceptedAnswer": {
"@type": "Answer",
"text": "Des facteurs comme l'âge, le sexe, et les comorbidités peuvent être évalués."
}
},
{
"@type": "Question",
"name": "Comment les facteurs de risque influencent-ils les résultats ?",
"position": 27,
"acceptedAnswer": {
"@type": "Answer",
"text": "Ils peuvent modifier l'impact d'une intervention sur les résultats de santé observés."
}
},
{
"@type": "Question",
"name": "Peut-on identifier des facteurs de risque modifiables ?",
"position": 28,
"acceptedAnswer": {
"@type": "Answer",
"text": "Oui, l'analyse peut aider à identifier des facteurs de risque qui peuvent être modifiés."
}
},
{
"@type": "Question",
"name": "Comment les facteurs de risque sont-ils mesurés ?",
"position": 29,
"acceptedAnswer": {
"@type": "Answer",
"text": "Ils sont mesurés par des questionnaires, des dossiers médicaux ou des études épidémiologiques."
}
},
{
"@type": "Question",
"name": "Les facteurs de risque changent-ils avec le temps ?",
"position": 30,
"acceptedAnswer": {
"@type": "Answer",
"text": "Oui, les facteurs de risque peuvent évoluer en fonction des changements environnementaux ou sociaux."
}
}
]
}
]
}
Treatment and outcomes of acute stroke have been revolutionised by mechanical thrombectomy. Deep learning has shown great promise in diagnostics but applications in video and interventional radiology ...
All patients who underwent DSA for anterior circulation acute ischaemic stroke between 2012 and 2019 were included. Consecutive normal studies were included to balance classes. An external validation ...
In total, 1024 videos comprising 287 patients were included (44 for EV). Occlusion identification was achieved with 100% sensitivity and 91.67% specificity (EV 91.30% and 81.82%). Accuracy of location...
Our model can successfully identify normal DSA studies from those with LVO and classify thrombectomy outcome and solve a clinical radiology problem with two temporal elements (dynamic video and pre an...
• DEEP MOVEMENT represents a novel application of a model applied to acute stroke imaging to handle two types of temporal complexity, dynamic video and pre and post intervention. • The model takes as ...
Determining the status of breast cancer susceptibility genes (...
A total of 319 histopathological slides from 254 breast cancer patients were included, comprising two dependent cohorts. Following image pre-processing, 633,484 tumor tiles from the training dataset w...
BiAMIL achieved AUC values of 0.819 (95% CI [0.673-0.965]) in the internal test set, and 0.817 (95% CI [0.712-0.923]) in the external test set. To explore the relationship between...
An interpretable deep neural network model based on the attention mechanism was developed to predict the...
The establishment of a bio-based circular economy is imperative in tackling the climate crisis and advancing sustainable development. In this realm, the creation of microbial cell factories is central...
Deep learning (DL) is one of the most exciting new areas in medical imaging. This article will provide a review of current applications of DL in osteoarthritis (OA) imaging, including methods used for...
The prediction of primary treatment failure (PTF) is necessary for patients with diffuse large B-cell lymphoma (DLBCL) since it serves as a prominent means for improving front-line outcomes. Using int...
Initially, 205 DLBCL patients undergoing interim [...
The final model with contrastive objective optimization, named the contrastive hybrid learning model, performed best, with an accuracy of 91.22% and an area under the receiver operating characteristic...
The proposed model achieved good performance, validated the predictive value of interim PET/CT, and holds promise for directing individualized clinical treatment....
• The proposed multimodal models achieved accurate prediction of primary treatment failure in DLBCL patients. • Using an appropriate feature-level fusion strategy can make the same class close to each...
This paper proposes a recommendation system based on a hybrid learning approach for a personal deep sleep service, called the Customized Deep Sleep Recommender System (CDSRS). Sleep is one of the most...
The current medical standard for setting an oral cancer (OC) diagnosis is histological examination of a tissue sample taken from the oral cavity. This process is time-consuming and more invasive than ...
We aimed to investigate whether image standardization using deep learning-based computed tomography (CT) image conversion would improve the performance of deep learning-based automated hepatic segment...
We collected contrast-enhanced dual-energy CT of the abdomen that was obtained using various reconstruction methods, including filtered back projection, iterative reconstruction, optimum contrast, and...
The original CT images showed variable and poor segmentation performances. The standardized images achieved significantly higher DSCs for liver segmentation than the original images (DSC [original, 5....
Deep learning-based CT image standardization can improve the performance of automated hepatic segmentation using CT images reconstructed using various methods. Deep learning-based CT image conversion ...
Skin cancer has a significant impact on the lives of many individuals annually and is recognized as the most prevalent type of cancer. In the United States, an estimated annual incidence of approximat...
Machine learning (ML) and deep learning (DL) possess excellent advantages in data analysis (e.g., feature extraction, clustering, classification, regression, image recognition and prediction) and risk...