Optimiser l'accès aux défibrillateurs automatisés externes dans l'arrêt cardiaque extrahospitalier non traumatique de l'adulte par l'utilisation de véhicules aériens sans pilotes (drones).

Optimize access to automated external defibrillators in non-traumatic out-of-hospital cardiac arrest in adults using unmanned aerial vehicles (drones).

• Auteur / Autrice : Fadi Minka
• Direction : Matthieu Heidet, Sami Souihi
• Type : Projet de thèse
• Discipline(s) : Mathématiques
• Date : Inscription en doctorat le 01/12/2023
• Etablissement(s) : Paris 12
• Ecole(s) doctorale(s) : École doctorale Mathématiques, Sciences et Technologies de l'Information et de la Communication (Champs-sur-Marne, Seine-et-Marne ; 2010-....)
• Partenaire(s) de recherche : Laboratoire : LISSI - Laboratoire Images, Signaux et Systèmes Intelligents

Mots clés

Mots clés libres

Arrêt cardiaque extrahospitalier

Défibrillateur automatisé externe

Drone

Out-of-hospital cardiac arrest

Automated external defibrillator

Drone

Résumé

Introduction : L'arrêt cardiaque extrahospitalier (ACEH) est un problème majeur de santé publique. Il touche 46 000 personnes par an en France, avec un pronostic sombre (5% de survie). Les premières minutes de prise en charge de l'arrêt cardiaque sont cruciales. Trois facteurs pronostics clefs influencent le pronostic des patients : le délai d'arrivée des secours sur le site de l'arrêt cardiaque, le délai d'initiation de la réanimation cardiopulmonaire (RCP) et l'accessibilité au DAE. On estime que chaque minute de retard à la RCP augmente la mortalité entre 7 et 10% ; et que chaque minute de retard à la défibrillation diminue de 9% la survie avec un bon pronostic neurologique. Or, l'ACEH ne survient devant un témoin que dans 50% des cas, ne bénéficie de gestes de réanimation par un témoin que dans un tiers des cas, et de l'utilisation d'un défibrillateur automatisé externe (DAE) dans seulement 4% des cas. Pourtant, en cas de rythme choquable, on estime à 30% la survie des arrêts cardiaques si la défibrillation est effectuée avant l'arrivée des secours. Ce taux de survie pourrait atteindre 70% si la défibrillation était effectuée par un témoin ayant accès à un défibrillateur. En France, le délai moyen d'arrivée des secours en région urbaine est de 10 minutes (et de 6 minutes au Canada). Ce délai s'allonge quand il s'agit de rejoindre des territoires à faible densité de population (ruraux), difficile d'accès, ou défavorisés, ce qui impacte négativement la survie. Une solution que nous souhaitons étudier serait la livraison des DAE par des drones pour réduire le délai du 1er choc électrique externe. Les drones ont en effet l'avantage d'être plus rapides que les moyens terrestres conventionnels (ambulances). Des modèles de simulation suggèrent que la livraison des DAE par drones pourrait contribuer à la réduction des inégalités territoriales d'accès aux soins urgents et de survie après un ACEH. Il n'existe cependant aucune étude visant à évaluer les stratégies optimales de couverture territoriale par les drones livreurs de DAE sur de larges territoires (à l'échelle régionale ou supra-régionale) en France. L'objectif de notre étude est donc de proposer un modèle d'optimisation d'une flotte de drones livreurs de DAE dans l'ACEH en Ile-de-France et en Colombie Britannique (Canada), et d'évaluer 1) son intérêt sur la réduction des délais de réponse dans l'ACEH et 2) son intérêt potentiel sur les chances de survie avec un bon pronostic neurologique. Matériels et Méthodes : Design Nous allons effectuer une étude observationnelle, de cohorte, multicentrique, et rétrospective. La population ciblée par cette étude sera celle du registre national des arrêts cardiaques en France (ReAC) et au Canada (ReACanROC). Les critères d'inclusion seront : âge ≥ 18 ans, ACEH, cause non traumatique Objectifs L'objectif principal de cette étude sera de comparer les délais de réponses historiques (ambulances terrestres) aux délais de réponse simulés par l'implémentation de drones. Le critère de jugement principal sera le délai d'arrivée sur les lieux d'intervention (ambulances vs. drones). Données et méthodes Les données seront recueillies à partir du registre national des arrêts cardiaques en France (ReAC) et au Canada (ReACanROC) pendant la période de l'étude : février 2011 à février 2023. Les variables d'intérêt pour cette étude seront celles relatives aux caractéristiques du patient et de l'arrêt cardiaque, de la prise en charge de l'arrêt cardiaque, du pronostic (Récupération d'une activité cardiaque spontanée, survie à J30, statut neurologique à J30), des caractéristiques géographies (Ilots regroupés pour l'information statistique = urbain ou rural) et socio-économiques (version française de l'index de déprivation en 5 catégories, du plus favorisé au moins favorisé). Pour construire notre modèle de simulation, nous modéliserons les configurations optimales de flottes de drones sur les territoires étudiés. Ensuite, nous estimerons les délais d'arrivée puis l'heure du 1er choc électrique externe (CEE). Enfin, nous analyserons le pronostic de l'arrêt cardiaque en fonction du délai théorique de la défibrillation. Les variables quantitatives seront exprimées en moyennes et médianes. Les variables qualitatives en nombres et pourcentages. Les tests de comparaison utilisés pour les variables quantitatives seront les tests de student ou de wilcoxon ; et pour les variables qualitatives les tests du Xhi-2 ou Exact de Fisher. L'analyse des délais de réponse se fera par régression linéaire. Les délais de réponse seront tous ajustés en fonction du temps de trajet théorique pour atteindre le site de l'arrêt cardiaque. L'analyse des variables relatives au pronostic de l'arrêt cardiaque se fera par régression logistique. Les analyses seront univariées puis multivariées avec des effets mixtes portant sur le département d'intervention. Toutes les analyses seront effectuées à l'aide du logiciel R-Studio.

Introduction: Out-of-hospital cardiac arrest (OHCA) is a major public health problem. It affects 46,000 people a year in France, with a dismal prognosis (5% survival rate). The first few minutes of cardiac arrest management are crucial. Three key prognostic factors influence patient prognosis: the time it takes for emergency services to arrive at the site of cardiac arrest, the time it takes to initiate cardiopulmonary resuscitation (CPR), and the accessibility of the AED. It is estimated that each minute of delay in CPR increases mortality by 7-10%, and that each minute of delay in defibrillation reduces survival with a good neurological prognosis by 9%. However, in only 50% of cases does ACEH occur in front of a bystander, in only a third of cases does it benefit from bystander resuscitation, and in only 4% of cases does it benefit from the use of an automated external defibrillator (AED). And yet, in the case of shockable rhythms, survival from cardiac arrest is estimated at 30% if defibrillation is performed before help arrives. This survival rate could rise to 70% if defibrillation were performed by a bystander with access to a defibrillator. In France, the average rescue time in urban areas is 10 minutes (and 6 minutes in Canada). This time is even longer in sparsely populated (rural) areas, where access is difficult, or in disadvantaged areas, which has a negative impact on survival. One solution we would like to study is the delivery of AEDs by drones, to reduce the delay to the 1st external electric shock. Indeed, drones have the advantage of being faster than conventional ground means (ambulances). Simulation models suggest that delivery of AEDs by drones could contribute to reducing territorial inequalities in access to urgent care and survival after an ACEH. However, there are no studies evaluating optimal territorial coverage strategies for AED delivery drones over large territories (on a regional or supra-regional scale) in France. The aim of our study is therefore to propose a model for optimizing a fleet of AED delivery drones in ACEH in Ile-de-France and British Columbia (Canada), and to evaluate 1) its benefit on reducing response times in ACEH and 2) its potential benefit on the chances of survival with a good neurological prognosis. Materials and Methods : Design We will conduct an observational, cohort, multicenter, retrospective study. The target population for this study will be the national cardiac arrest registry in France (ReAC) and Canada (ReACanROC). Inclusion criteria will be: age ≥ 18 years, ACEH, non-traumatic cause. Objectives The primary objective of this study will be to compare historical response times (ground ambulances) with response times simulated by drone implementation. The primary endpoint will be time to scene (ambulance vs. drone). Data and methods Data will be collected from the national cardiac arrest registry in France (ReAC) and Canada (ReACanROC) during the study period: February 2011 to February 2023. The variables of interest for this study will be those relating to patient and cardiac arrest characteristics, cardiac arrest management, prognosis (Recovery of spontaneous cardiac activity, survival at D30, neurological status at D30), geographical (Ilots regroupés pour l'information statistique = urban or rural) and socio-economic characteristics (French version of the deprivation index in 5 categories, from the most favored to the least favored). To build our simulation model, we will model the optimal configurations of drone fleets on the territories studied. Next, we'll estimate the arrival time and then the time of the 1st external electric shock (EEC). Finally, we will analyze the prognosis of cardiac arrest as a function of theoretical defibrillation delay. Quantitative variables are expressed as averages and medians. Qualitative variables are expressed in numbers and percentages. The comparison tests used for quantitative variables will be the Student or Wilcoxon tests; and for qualitative variables the Xhi-2 or Fisher's Exact tests. Response times will be analyzed using linear regression. All response times will be adjusted according to the theoretical travel time to the site of cardiac arrest. Analysis of cardiac arrest prognosis variables will be performed using logistic regression. Analyses will be univariate, then multivariate with mixed effects on the department of intervention. All analyses will be performed using R-Studio software.