Médecine de Catastrophe - Urgences Collectives最新文献

{"title":"Modéliser les épidémies à l’ère de l’intelligence artificielle","authors":"Charlotte Perlant","doi":"10.1016/j.pxur.2025.02.005","DOIUrl":"10.1016/j.pxur.2025.02.005","url":null,"abstract":"<div><div>Les épidémies, comme la COVID-19, restent aujourd’hui une menace majeure, exacerbée par la mondialisation, le changement climatique et la croissance démographique. Face à ces crises sanitaires, la modélisation épidémiologique joue un rôle clé dans les prises de décision des politiques de santé publique. Les modèles traditionnels, largement utilisés aujourd’hui, permettent d’estimer des paramètres épidémiologiques clés pour l’estimation de la gravité de la situation, la prévision de l’évolution future d’une épidémie et l’évaluation de l’impact de différentes mesures sanitaires (confinement, vaccination, renforcement hospitalier). Leur transparence, leur rigueur scientifique et leur capacité à tester des scénarios alternatifs en font des outils essentiels pour la prise de décision. L’essor de l’intelligence artificielle (IA) permet aujourd’hui d’intégrer de grandes quantités de données en temps réel (mobilité, environnement, réseaux sociaux). L’IA offre des projections plus fines et exploite des informations complexes difficilement intégrables dans les modèles classiques. Cependant, ses limites incluent un manque de transparence, des besoins en données massifs et un risque d’inégalités d’accès à ces technologies et aux données d’entraînement. L’avenir réside donc dans une approche hybride combinant la robustesse et l’interprétabilité des modèles traditionnels avec la puissance d’analyse de l’IA, afin d’optimiser la gestion des épidémies tout en garantissant une équité dans l’accès aux outils de surveillance et de prévention.</div></div><div><div>Epidemics, such as COVID-19, remain a major threat today, exacerbated by globalization, climate change, and population growth. In response to these health crises, epidemiological modeling plays a key role in public health policy decision-making. Traditional models, widely used today, help estimate key epidemiological parameters to assess the severity of a situation, predict the future course of an epidemic, and evaluate the impact of various health measures (lockdowns, vaccination, hospital capacity reinforcement). Their transparency, scientific rigor, and ability to test alternative scenarios make them essential tools for decision-making. The rise of artificial intelligence (AI) now enables the integration of large amounts of real-time data (mobility, environment, social networks). AI provides more refined projections and leverages complex information that is difficult to incorporate into classical models. However, its limitations include a lack of transparency, high data requirements, and the risk of inequalities in access to these technologies and training data. The future, therefore, lies in a hybrid approach that combines the robustness and interpretability of traditional models with the analytical power of AI, aiming to optimize epidemic management while ensuring equitable access to surveillance and prevention tools.</div></div>","PeriodicalId":100904,"journal":{"name":"Médecine de Catastrophe - Urgences Collectives","volume":"9 2","pages":"Pages 93-95"},"PeriodicalIF":0.0,"publicationDate":"2025-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"144203753","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Strengthening pharmaceutical management in a health centre in South Sudan through e-learning","authors":"Ferdinand Le Bloc’h ,&nbsp;Sandrine von Grünigen ,&nbsp;Laurence Schumacher ,&nbsp;Christophe Berger ,&nbsp;Pascal Bonnabry ,&nbsp;Nicolas Widmer","doi":"10.1016/j.pxur.2025.01.002","DOIUrl":"10.1016/j.pxur.2025.01.002","url":null,"abstract":"&lt;div&gt;&lt;h3&gt;Introduction&lt;/h3&gt;&lt;div&gt;In South Sudan's ongoing humanitarian crisis, Pharmacists Without Borders Switzerland (PSF) implemented an e-learning project at the rural St Vincent Health Care Centre (CSSV) to strengthen pharmaceutical management capabilities.&lt;/div&gt;&lt;/div&gt;&lt;div&gt;&lt;h3&gt;Methods&lt;/h3&gt;&lt;div&gt;Five e-learning modules from the Pharm-Ed project were deployed, covering pharmaceutical management and targeting CSSV staff members. A PSF pharmacist delivered these on a USB stick on an on-site mission in July 2022, along with an initial field assessment using a 23-item evaluation grid. A follow-up assessment in April 2024 also included a workshop on substandard and falsified medical products, with pre- and post-tests to measure learning outcomes.&lt;/div&gt;&lt;/div&gt;&lt;div&gt;&lt;h3&gt;Results&lt;/h3&gt;&lt;div&gt;Only two staff members reported completing the e-learning course and one completed the corresponding examinations. Field assessments showed limited improvements in pharmaceutical management practices, with only 3 out of 23 items progressing substantially. The workshop, attended by all the CSSV staff, resulted in slight increase in knowledge (mean score rising from 3.0&lt;!--&gt; &lt;!--&gt;±&lt;!--&gt; &lt;!--&gt;1.6 to 3.7&lt;!--&gt; &lt;!--&gt;±&lt;!--&gt; &lt;!--&gt;1.8 out of 10 points).&lt;/div&gt;&lt;/div&gt;&lt;div&gt;&lt;h3&gt;Discussion&lt;/h3&gt;&lt;div&gt;While e-learning shows promise and a growing interest in the literature, our experience highlighted numerous barriers to this method in humanitarian settings (technological issues, language barriers, or unstable geopolitical context). A blended-learning strategy combining online and face-to-face training may be more effective. More structured follow-up and additional field visits could enhance Pharm-Ed modules buy-in, while incorporating practical activities and local language translation could improve workshops.&lt;/div&gt;&lt;/div&gt;&lt;div&gt;&lt;h3&gt;Conclusion&lt;/h3&gt;&lt;div&gt;Without a permanent PSF on-site presence, innovative approaches are needed to transfer skills to the CSSV. Staff expressed interest in further training, indicating potential for future e-learning initiatives in crisis and resource-limited settings, though its effectiveness requires careful adaptation to local contexts and ongoing support.&lt;/div&gt;&lt;/div&gt;&lt;div&gt;&lt;h3&gt;Introduction&lt;/h3&gt;&lt;div&gt;Dans le cadre de la crise humanitaire qui sévit au Soudan du Sud, Pharmaciens Sans Frontières Suisse (PSF) a mis en œuvre un projet d’e-learning au Centre de Santé Saint Vincent (CSSV) afin d’en renforcer les capacités de gestion pharmaceutique.&lt;/div&gt;&lt;/div&gt;&lt;div&gt;&lt;h3&gt;Méthode&lt;/h3&gt;&lt;div&gt;Cinq modules d’e-learning du projet Pharm-Ed ont été proposés, ciblant la gestion pharmaceutique et visant les membres du personnel du CSSV. Une pharmacienne de PSF les a livrés via clef USB lors d’une mission sur site en juillet 2022, tout en effectuant une évaluation initiale sur le terrain à l’aide d’une grille d’évaluation de 23 items. Une évaluation de suivi en avril 2024 comprenait également un atelier sur les produits médicaux falsifiés, avec des tests avant et après pour mesurer les r","PeriodicalId":100904,"journal":{"name":"Médecine de Catastrophe - Urgences Collectives","volume":"9 2","pages":"Pages 132-138"},"PeriodicalIF":0.0,"publicationDate":"2025-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"144203760","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Retour d’expérience d’une simulation sur l’intelligence artificielle générative en médecine de catastrophe","authors":"Romain Crema (Co-Fondateur Legml.ai, Conférencier Expert en IA Génératives)","doi":"10.1016/j.pxur.2025.04.004","DOIUrl":"10.1016/j.pxur.2025.04.004","url":null,"abstract":"<div><div>Dans le cadre de la médecine de catastrophe, l’intelligence artificielle (IA) en tant qu’outil fait l’objet d’une dizaine de publications seulement. Un premier obstacle vient du fait que les fonctionnalités des IA et de l’IA générative, en particulier, ne sont pas encore bien connues des utilisateurs médicaux. Il a donc été décidé de faire une démonstration du potentiel de ces outils durant un séminaire de la Société française de médecine de catastrophe (SFMC), afin de faciliter une meilleure compréhension et d’initier le rapprochement nécessaire entre les professionnels, demandeurs d’aides à la décision de niveau stratégique, tactique ou opérationnel pouvant être portés par l’IA et les ingénieurs pouvant répondre à ces problématiques.</div></div><div><div>In the context of disaster medicine, artificial intelligence (AI) as a tool is the subject of only a dozen or so publications. The first obstacle is that the functionalities of AI and generative AI in particular are not yet well known to medical users. It has therefore been decided to demonstrate the potential of these tools at a seminar organised by the French Society for Disaster Medicine, in order to facilitate a better understanding and initiate the necessary rapprochement between professionals who are looking for strategic, tactical or operational decision-making aids that can be supported by AI and the engineers who can respond to these problems.</div></div>","PeriodicalId":100904,"journal":{"name":"Médecine de Catastrophe - Urgences Collectives","volume":"9 2","pages":"Pages 86-87"},"PeriodicalIF":0.0,"publicationDate":"2025-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"144203159","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Introduction à l’intelligence artificielle en santé","authors":"Perceval Wajsbürt","doi":"10.1016/j.pxur.2025.04.003","DOIUrl":"10.1016/j.pxur.2025.04.003","url":null,"abstract":"<div><div>L’introduction de l’intelligence artificielle (IA) dans le domaine de la santé transforme les pratiques cliniques et de recherche. Aujourd’hui, l’IA est déployée pour améliorer la qualité des soins, faciliter l’analyse d’images, optimiser la transcription de dictées et soutenir la gestion des données patients, impactant ainsi les soins, la recherche et les fonctions supports. Les approches varient de l’IA symbolique aux techniques de <em>machine learning</em> et de <em>deep learning</em>, chacune présentant des niveaux de complexité et d’exigences distincts. L’essor des modèles modernes, caractérisés par un nombre croissant de paramètres et un appétit accru en données, soulève des défis majeurs en termes d’infrastructures coûteuses et de risques de biais lors de la collecte et du déploiement. Par ailleurs, l’intégration effective de ces technologies requiert une réflexion approfondie sur les aspects réglementaires, informatiques et organisationnels, afin d’harmoniser les processus d’intégration et de garantir la conformité aux normes en vigueur. Ce panorama met en lumière les atouts et les enjeux de l’IA en santé, appelant à un déploiement permettant d’assurer la sécurité, la fiabilité et la bonne utilisation des systèmes d’IA.</div></div><div><div>The introduction of artificial intelligence in healthcare is transforming clinical and research practices. Today, AI is deployed to improve the quality of care, facilitate image analysis, optimize dictation transcription, and support patient data management, thereby impacting care, research, and support functions. Approaches range from symbolic AI to machine learning and deep learning techniques, each presenting distinct levels of complexity and requirements. The rise of modern models, characterized by an increasing number of parameters and a growing appetite for data, poses major challenges in terms of costly infrastructures and the risk of bias during data collection and deployment. Moreover, the effective integration of these technologies requires thorough consideration of regulatory, IT, and organizational aspects to harmonize integration processes and ensure compliance with current standards. This overview highlights the strengths and challenges of AI in healthcare, calling for a deployment that ensures the safety, reliability, and proper use of AI systems.</div></div>","PeriodicalId":100904,"journal":{"name":"Médecine de Catastrophe - Urgences Collectives","volume":"9 2","pages":"Pages 88-92"},"PeriodicalIF":0.0,"publicationDate":"2025-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"144203160","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Vie de la SFMC","authors":"","doi":"10.1016/S1279-8479(25)00057-6","DOIUrl":"10.1016/S1279-8479(25)00057-6","url":null,"abstract":"","PeriodicalId":100904,"journal":{"name":"Médecine de Catastrophe - Urgences Collectives","volume":"9 2","pages":"Page 141"},"PeriodicalIF":0.0,"publicationDate":"2025-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"144203762","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"L’expérience opérationnelle des Jeux Olympiques et Paralympiques de Paris 2024 par la Croix-Rouge française","authors":"Noémie Le Normand (Responsable de projet opérations JOP 2024),&nbsp;Florent Vallée (Directeur de l’opération Été 2024)","doi":"10.1016/j.pxur.2025.02.002","DOIUrl":"10.1016/j.pxur.2025.02.002","url":null,"abstract":"","PeriodicalId":100904,"journal":{"name":"Médecine de Catastrophe - Urgences Collectives","volume":"9 2","pages":"Pages 109-110"},"PeriodicalIF":0.0,"publicationDate":"2025-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"144203756","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Mission humanitaire française en faveur des civils de la bande de Gaza : déploiement du porte-hélicoptères amphibie Dixmude du 10 novembre 2023 au 7 février 2024","authors":"Hugues Charrier (Médecin généraliste) ,&nbsp;Matthieu Boyé (Médecin anesthésiste-réanimateur) ,&nbsp;Marie-Aurélia Cieutat (Pharmacien) ,&nbsp;Thomas Issartel (Médecin généraliste) ,&nbsp;Antoine Sarda (Médecin généraliste)","doi":"10.1016/j.pxur.2024.12.003","DOIUrl":"10.1016/j.pxur.2024.12.003","url":null,"abstract":"<div><div>En réponse à la crise humanitaire provoquée par le conflit entre le Hamas et Israël en octobre 2023, la France a mobilisé le porte-hélicoptères amphibie Dixmude pour aider les civils de la bande de Gaza. Ce navire, équipé d’un hôpital embarqué, était soutenu par le Service de santé des Armées (SSA) et fut déployé en Méditerranée orientale du 10 novembre 2023 au 7 février 2024. Il a offert des soins vitaux dans un contexte de bombardements intenses, qui ont gravement endommagé les infrastructures médicales de Gaza. Plus de 1,7 million de personnes ont migré vers le sud pour se mettre en sécurité. Le Dixmude disposait de salles d’urgence, de blocs opératoires et d’une unité de soins intensifs. Il avait la capacité de prendre en charge des blessures de guerre et d’évacuer les blessés par hélicoptère NH90 vers des hôpitaux du Caire. Une équipe de 52 professionnels de santé a réalisé sur place des interventions chirurgicales complexes, orthopédiques, viscérales et maxillo-faciales, et a traité de nombreuses infections multirésistantes. Malgré des défis logistiques et sécuritaires, cette mission démontre la réactivité et la résilience du SSA. La mission du Dixmude offre un modèle d’intervention qui allie expertise médicale et soutien logistique pour répondre aux besoins des civils touchés par le conflit.</div></div><div><div>In response to the humanitarian crisis caused by the conflict between Hamas and Israel in October 2023, France mobilised the amphibious helicopter carrier Dixmude to help civilians in the Gaza Strip. This ship, equipped with an onboard hospital, was supported by the Service de santé des Armées (SSA) and was deployed in the Eastern Mediterranean from 10 November 2023 to 7 February 2024. It provided vital care against a backdrop of intense bombardment, which severely damaged Gaza's medical infrastructure. More than 1.7 million people migrated south to safety. The Dixmude had emergency rooms, operating theatres and an intensive care unit. It had the capacity to treat war injuries and evacuate the wounded by NH90 helicopter to hospitals in Cairo. A team of 52 health professionals carried out complex orthopaedic, visceral and maxillofacial surgery on site, and treated numerous multi-resistant infections. Despite logistical and security challenges, this mission demonstrates the responsiveness and resilience of the SSA. The Dixmude mission offers a model of intervention that combines medical expertise and logistical support to meet the needs of civilians affected by the conflict.</div></div>","PeriodicalId":100904,"journal":{"name":"Médecine de Catastrophe - Urgences Collectives","volume":"9 2","pages":"Pages 111-116"},"PeriodicalIF":0.0,"publicationDate":"2025-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"144203757","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Sommaire","authors":"","doi":"10.1016/S1279-8479(25)00047-3","DOIUrl":"10.1016/S1279-8479(25)00047-3","url":null,"abstract":"","PeriodicalId":100904,"journal":{"name":"Médecine de Catastrophe - Urgences Collectives","volume":"9 2","pages":"Pages ii-iii"},"PeriodicalIF":0.0,"publicationDate":"2025-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"144203157","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Intelligence artificielle et médecine de catastrophe","authors":"Catherine Bertrand (Présidente de la Société française de médecine de catastrophe (SFMC))","doi":"10.1016/j.pxur.2025.03.001","DOIUrl":"10.1016/j.pxur.2025.03.001","url":null,"abstract":"","PeriodicalId":100904,"journal":{"name":"Médecine de Catastrophe - Urgences Collectives","volume":"9 2","pages":"Pages 83-85"},"PeriodicalIF":0.0,"publicationDate":"2025-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"144203158","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Les biais de l’IA : enjeux et précautions pour une prise de décision éthique et fiable en santé","authors":"Edouard Lansiaux","doi":"10.1016/j.pxur.2025.02.001","DOIUrl":"10.1016/j.pxur.2025.02.001","url":null,"abstract":"&lt;div&gt;&lt;div&gt;Cet article traite de l’intelligence artificielle (IA) dans le domaine des soins de santé, en se concentrant sur ses applications et perspectives actuelles en médecine de catastrophe. L’IA est utilisée pour le diagnostic précoce, la prévision des maladies, l’optimisation des ressources, la détection des catastrophes en temps réel et l’amélioration du tri des victimes et du transport autonome. Ces innovations offrent un potentiel important pour améliorer les soins de santé et la réponse aux situations critiques. Cependant, l’IA est confrontée à d’importantes limites, notamment des biais qui peuvent influencer la précision et l’efficacité du système. Ces biais peuvent provenir des données utilisées, de la conception algorithmique ou encore de la manière dont les technologies sont intégrées. Par exemple, la sélection ou l’étiquetage des données peuvent limiter la capacité des modèles à généraliser, tandis que les biais algorithmiques peuvent conduire à des résultats inadéquats. Une utilisation inadéquate des outils, une confiance excessive dans les recommandations de l’IA ou une mauvaise compréhension des résultats peuvent également poser des problèmes. Ces biais sont également influencés par des facteurs institutionnels, sociaux, éthiques ou réglementaires. Citons par exemple le conflit ukrainien, où des outils open source ont été utilisés pour détecter des événements radiologiques via les réseaux sociaux, un système de traitement des chocs traumatiques, un système de pilotage de drones de ravitaillement en sang ou encore un modèle générant des comptes rendus d’opérations humanitaires. Pour minimiser ces biais, il est nécessaire de diversifier les données, de mettre à jour les modèles, d’auditer régulièrement les algorithmes, d’impliquer des experts médicaux et de former les utilisateurs. L’objectif est d’assurer une IA transparente, adaptable et contextualisée tout en conservant un regard critique pour une utilisation éthique et efficace dans les situations d’urgence.&lt;/div&gt;&lt;/div&gt;&lt;div&gt;&lt;div&gt;This article discusses artificial intelligence (AI) in the field of healthcare, focusing on its current applications and perspectives in disaster medicine. AI is used for early diagnosis, disease prediction, resource optimization, real-time disaster detection, and improved victim triage and autonomous transport. These innovations offer significant potential for improving healthcare and response to critical situations. However, AI faces significant limitations, including biases that can influence system precision and efficiency. These biases can arise from the data used, algorithmic conception, or the way technologies are integrated. For example, selection or labeling in data can limit the ability of models to generalize, while algorithmic biases can lead to inadequate results. Inadequate tool use, excessive trust in AI recommendations, or poor understanding of results can also pose problems. These biases are also influenced by institutional, social, eth","PeriodicalId":100904,"journal":{"name":"Médecine de Catastrophe - Urgences Collectives","volume":"9 2","pages":"Pages 96-100"},"PeriodicalIF":0.0,"publicationDate":"2025-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"144203754","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}