Chercheuse ou chercheur

Titres

• Professeur adjoint de clinique, Université de Montréal (2020)

• PhD, Université de Montréal, 2021
• MBI, Harvard Medical School, 2020
• Soins intensifs pédiatriques, Université de Montréal, 2018
• Pédiatrie, Université de Montréal, 2015
• MD, Université de Montréal (Pavillon Mauricie) 2012

Je m’intéresse particulièrement au diagnostic automatique et à la prise en charge automatique du manque d’oxygène (hypoxémie) pour les patients admis aux soins intensifs pédiatriques. Diagnostiquer automatiquement cette condition médicale permettra possiblement de la reconnaitre et de la traiter plus rapidement, ce qui pourrait permettre d’améliorer le devenir respiratoire.

• Soins intensifs pédiatriques
• Hypoxémie
• Syndrome de détresse respiratoire aigue
• Bioinformatique clinique
• Intelligence artificielle
• Base de données massives
• Bases de données massives et continues

Sommaire de carrière

Mes travaux de recherche sont à la frontière entre l’informatique et la médecine de soins intensifs pédiatrique. Mon objectif est d’optimiser l’intégration des ressources informatiques pour améliorer les soins de santé des patients les plus gravement atteints, dans le domaine de l’insuffisance respiratoire entre autres.

Publications

• Proulx, F. et al. Oxygenation Defects, Ventilatory Ratio, and Mechanical Power During Severe Pediatric Acute Respiratory Distress Syndrome: Longitudinal Time Sequence Analyses in a Single-Center Retrospective Cohort*. Pediatr Crit Care Me 23, 22–33 (2022).
• Sauthier, M., Tuli, G., Jouvet, P. A., Brownstein, J. S. & Randolph, A. G. Estimated Pao2: A Continuous and Noninvasive Method to Estimate Pao2 and Oxygenation Index. Critical Care Explor 3, e0546 (2021).
• Sauthier, M. et al. Long-Term Mechanical Ventilation in Neonates: A 10-Year Overview and Predictive Model. Frontiers Pediatrics 9, 689190 (2021).
• Sauthier, M. et al. Comparison of the Automated Pediatric Logistic Organ Dysfunction-2 Versus Manual Pediatric Logistic Organ Dysfunction-2 Score for Critically Ill Children*. Pediatr Crit Care Me 21, e160–e169 (2020).
• Sauthier, M. S. et al. Machine Learning Predicts Prolonged Acute Hypoxemic Respiratory Failure in Pediatric Severe Influenza. Critical Care Explor 2, e0175 (2020).