Academic literature on the topic 'Carence en fer – Diagnostic'

Abstract Le fer est un micronutriment essentiel à la synthèse de l’hémoglobine, au développement du système nerveux central et à la protection contre les infections. La petite enfance est une période de vulnérabilité au cours de laquelle la carence en fer est liée à une perturbation du développement neurologique. Une situation socioéconomique défavorisée, une naissance prématurée et un régime alimentaire sous-optimal sont des facteurs de risque de carence en fer. Une surcharge de fer attribuable à une insuffisance du mécanisme d’excrétion du fer peut également se manifester. Il est capital d’offrir un apport en fer suffisant aux nourrissons jusqu’à l’âge de deux ans.

Introduction. La carence martiale touche les groupes des populations à risque (femmes enceintes et enfants en bas âge) aussi bien dans les pays développés que ceux en développement. En Algérie l’ampleur du problème n’est pas bien connue, car les études sont rares et les outils d’évaluation, des indicateurs biochimiques peu fiables. Objectifs. Déterminer la prévalence de la carence martiale chez l’enfant de zéro à cinq ans dans la ville de Batna, étudier ses répercussions sur le développement physique et psychomoteur de l’enfant et évaluer le traitement l et les mesures de prévention adéquates. Matériels et méthodes. Sur un échantillon de 354 enfants de zéro à cinq ans, dans la ville de Batna, nous avons mesuré la ferritine sérique, l’hémoglobine, les récepteurs de la transferrine, nous avons analysé les signes cliniques de la carence et évalué la croissance et le développement psychomoteur des enfants. Les enfants carencés ont reçu un traitement à base de fer. Des contrôles ont été effectués à la fin du traitement martial. Résultats. La prévalence de la carence martiale est variable en fonction de la tranche d’âge, elle est de 41% chez le nouveau-né dont 25%sont en état de carence avancée (anémie par carence martiale) de 1à 6mois elle est de 40,5% chez le nourrisson de 7à12mois elle est de 51,9% ; Chez l’enfant de 13-60mois elle est de 42,3% et 29,3% sont en carence sévère (anémie par carence martiale). Les facteurs de risque retrouvés sont : la non supplémentation durant la grossesse, la mauvaise diversification alimentaire des nourrissons, le faible apport en fer alimentaire, chez les enfants carencés nous avons observé des anomalies du développement psychomoteur et de l’IMC. Conclusion. La carence martiale est fréquente chez les enfants de 0 à 5 ans à Batna. La supplémentation en fer des femmes enceintes, la bonne diversification alimentaire, un régime alimentaire équilibré et riche en fer permettraient de prévenir cette carence.

Contexte : La carence en fer est fortement prévalente en population générale, notamment chez les femmes réglées. La carence en fer peut entraîner l'apparition d'une anémie, altère la qualité de vie et les performances cognitives et est responsable d'une augmentation de la morbidité pendant la grossesse. La pâleur muqueuse, bien visible au niveau conjonctival et la coloration bleutée de la sclère sont des signes cliniques classiques mais subjectifs d'anémie et de carence en fer. Le diagnostic de certitude est coûteux, eu égard à la prévalence de la pathologie et repose sur la réalisation d'un hémogramme et d'un dosage de ferritine sérique. Notre objectif est de mettre au point un dispositif non invasif de dépistage de l'anémie et de la carence en fer par analyse en image artificielle d'images de l'œil.Patientes et méthodes : nous avons construit un modèle d'apprentissage profond pour la prédiction de l'anémie (hémoglobine < 12 g/dL) et de la carence en fer (ferritine < 20 µg/L) à partir de photographies de l'œil (sclère et conjonctive palpébrale inférieure). Les images étaient réalisées de façon standardisées avec un smartphone et une caméra professionnelle d'ophtalmologie (Lacrydiag®). Pour chaque sujet, 4 images avec la sclère et 2 images avec la sclère et la conjonctive (par traction douce sur la paupière inférieure) étaient réalisées par œil selon chacune des méthodes (smartphone et caméra Lacrydiag). Nous avons recruté prospectivement des patientes adultes ayant bénéficié d'un dépistage de l'anémie ferriprive (hémogramme et ferritine). Les pathologies hémolytiques, les antécédents de pathologies héréditaires du tissu conjonctif, ou toute intervention ou traumatisme susceptibles de modifier l'aspect de l'œil étaient des critères d'exclusion.Résultats : Nous avons inclus 202 femme (âge médian 22 ans, hémoglobine médiane 13 g/dL), dont 49.5% étaient carencées en fer (ferritine médiane 11 µg/L, Q1-Q3 : 7-14) et 17% étaient anémiques (hémoglobine médiane 11.4 g/dL, Q1-Q3 : 10.8-11.7). Après reconstruction en « High Dynamic Range » des images smartphone, une segmentation automatisée des photographies fournissait des masques d'images comprenant uniquement les zones d'intérêt (sclère, conjonctive). Ces masques était soumis à un panel de réseaux neuronaux convolutionnels (plateforme Autokeras, Université du Texas), permettant de trouver le meilleur modèle prédictif. Une tendance non significative (p = 0.06) entre les valeurs de ferritine prédites et réelles était identifié sur l'algorithme en régression sur les images HDR du smartphone. Aucune corrélation n'était identifiée en régression pour l'hémoglobine quel que soit le type d'image, ni pour la ferritine sur les images Lacrydiag. En classification, les meilleurs résultats pour la classification de la carence en fer étaient obtenus avec un seuil de ferritine < 15 µg/L sur les images HDR de la sclère, avec une sensibilité de 59%, une spécificité de 75.6% et une valeur prédictive négative de 75%. Pour la classification de l'anémie, l'algorithme sur les images HDR de la conjonctive donnait une sensibilité de 66.7%, une spécificité de 77.6%, une valeur prédictive positive de 38.1% et une valeur prédictive négative de 91.8%.Conclusion : les performances de l'algorithme pour la prédiction de l'anémie à partir d'images smartphone de la conjonctive et de la sclère sont encourageantes. En régression, les résultats sont non significatifs mais une tendance est notée pour la prédiction de la ferritine sur les images HDR. Pour le dépistage de la carence en fer, l'algorithme de classification offre une sensibilité moyenne. Afin d'améliorer les performances de cet outil de dépistage, il est indispensable d'augmenter les effectifs de la base d'apprentissage, et de la valider dans d'autres populations hommes, patients âgés comorbides)
Background: Iron deficiency is highly prevalent in the general population, particularly in women of childbearing age. Iron deficiency increases pregnancy morbidity, impairs the quality of life through decrease of cognitive performance and can lead to anemia. Mucosal pallor, easily identified on the palpebral conjunctiva is widely used to predict anemia. Iron deficiency may also induce a bluish discoloration of the sclera, but these signs are subjective. However, certainty diagnosis lays on full blood count and serum ferritin dosage, representing a huge economic burden given to the prevalence of iron deficiency anemia. We aimed to build an affordable effective non-invasive diagnostic test through deep-learning eye image analysis to predict iron deficiency and anemia.Patients and methods: We built a deep-learning algorithm to detect anemia (hemoglobin < 12 g/dL) and iron deficiency (ferritin < 20 µg/L) through eye image analysis. For each subject, four images with the sclera and two images with the sclera and conjunctiva (by gentle traction on the lower eyelid) were taken per eye using a smartphone and a professional camera (Lacrydiag®) in similar lighting conditions. We prospectively included healthy adult women screened for iron deficiency anemia during routine medical practice. Hemolytic disease, connective tissue disease, eye surgery or trauma were exclusion criteria.Results: Among the 202 women recruited (median age 22 years, median hemoglobin 13 g/dL), 49.5% had iron deficiency (median ferritin 11 µg/L, Q1-Q3: 7-17) and 17 were anemic (median hemoglobin 11.4 g/dL, Q1-Q3: 10.8-11.7). Smartphone images were merged into High dynamic range format: mask of the sclera and conjunctiva (automated segmentation) were analyzed with a panel of convolutional neural network provided by Autokeras platform (Texas University) to identify the most efficient model. No significant correlation was found in regression analysis between real and predicted hemoglobin values with smartphone and Lacrydiag® images. Sensitivity and specificity for the prediction of iron deficiency (classification algorithm, ferritin < 15 µg/L) were 59% and 75.6% respectively with smartphone sclera images analysis (positive predictive value 59.8%, negative predictive value 75%). Sensitivity and specificity for the prediction of anemia (classification algorithm, hemoglobin < 12 g/dL) were 66.7% and 77.6% respectively with conjunctiva smartphone images analysis (positive predictive value 38.1%, negative predictive value 91.8%).Conclusion: the convolutional neural network analysis of the sclera and conjunctiva smartphone HDR image analysis is efficient to predict anemia. The model failed to predict hemoglobin level. Results for the ferritin prediction on HDR image analysis are encouraging but further analysis are still required. For iron deficiency screening, the classification model provided a modest sensitivity. To improve the performance of our model, it appears essential to increase the size of the learning database and to validate its efficacy in other populations (men, elderly comorbid patients)

La carence en fer est un problème majeur de santé publique, pouvant engendrer des retards de développement physique et cognitif chez l’enfant, une déficience du système immunitaire, des pertes d’activités chez les adultes avec de fortes incidences sur le développement des sociétés.

This investigation aimed to verify if augmented reality (AR) increases students' motivation and enhances the development of clinical decision-making skills in wound diagnosis and treatment. A quasi-experimental study was carried out with a sample of 54 nursing students. A comparative analysis of the progress of the control and experimental group was made using the data extracted from the simulator and a questionnaire. First, both groups used e-FER, a virtual simulator that simulates the diagnosis and treatment of virtual clinical cases. In the second moment, the control group continued using only e-FER, while the experimental group used e-FER combined with an AR application to observe the chronic wounds. The results showed that AR enhanced student performance, particularly in wound diagnostic parameters, with highly statistically significant differences (p&lt;0,001), and registering high levels of motivation and simulator usability, even with the introduction of an additional device in the activity.

Résumé Un réseau de distribution d’eau potable constitue un milieu évolutif avec de nombreuses réaction physico-chimiques et microbiologiques. Le maintien de la qualité nécessite de veiller à la maîtrise des phénomènes, y compris dans des domaines encore peu explorés de la biodétérioration des matériaux en contact avec l’eau. Une démarche de recherche à été menée pour évaluer la présence et l’impact des bactéries sulfatoréductrices (BSR). Une méthode de dosage a été adaptée au domaine considéré ; elle a permis de détecter la présence de BSR non seulement dans les dépôt mais aussi dans les eaux. Les premiers résultats font ressortir une augmentation des BSR avec la teneur en fer et la turbidité. Les investigations menées en des points judicieusement choisis d’un réseau doivent permettre de compléter la méthodologie de diagnostic de la corrosion et la mise en place de moyens préventifs dans les exploitations.