HAL-Ecole des Ponts ParisTech
Not a member yet
42743 research outputs found
Sort by
A turbulence-informed parameterization of phase partitioning in stratiform mixed-phase clouds for the ICOLMDZ model
No full textUse of rescue noninvasive ventilation for post-extubation respiratory failure
No full textInternational audienceBackground: Robust evidence supports the use of preemptive non-invasive ventilation (NIV) after extubation in selected high-risk patient cohorts. In contrast, current guidelines discourage the use of NIV as a rescue therapy for respiratory failure that develops later after extubation, based on earlier studies indicating a potential increase in hospital mortality due to delayed reintubation. Nonetheless, NIV continues to be employed in this setting. We conducted a post-hoc analysis of a randomized trial to assess the clinical outcomes of rescue NIV for post-extubation respiratory failure.Methods: In this post-hoc analysis of a randomized trial comparing high-flow with Venturi mask oxygen in hypoxemic patients after extubation, we included those who developed post-extubation respiratory failure according to prespecified criteria; patients who received rescue NIV per physician’s decision were compared to those who received direct re-intubation. Criteria for re-intubation during NIV were prespecified. Odds ratio after inverse probability of treatment weighting and posterior probabilities by Bayesian regression are reported.Results: Among 494 extubated patients, 147 developed respiratory failure while receiving oxygen therapy, occurring at a median of 37 h [IQR 13–85] after extubation: 83 (57%) were treated with rescue NIV and 64 (43%) received immediate re-intubation. The rate of NIV failure was 58%, without differences between patients with hypoxemic respiratory failure and those with hypercapnia and/or respiratory distress (60% vs. 56%, p = 0.82). In the weighted cohort, the use of rescue NIV, compared to direct re-intubation, was associated with lower intensive care unit mortality (adjusted odds ratio = 0.31 [95%CI: 0.12–0.82], p = 0.019) and similar hospital mortality (adjusted odds ratio = 1.01 [95%CI: 0.43–2.33], p = 0.99). The posterior probability that NIV reduced intensive care unit mortality was > 90% across all priors. The posterior probability that NIV did not increase hospital mortality was 44% under a noninformative prior, 47% under a skeptical prior, and 39% under a pessimistic prior.Conclusion: Rescue NIV for post-extubation respiratory failure is associated with high failure rates; however, when applied with well-defined criteria for reintubation, it does not appear to be clearly associated with increases in hospital mortality. A randomized trial to re-evaluate the efficacy of rescue NIV for post-extubation respiratory failure is warranted.Clinical trial registration: Registered at clinicaltrials.gov (NCT02107183) on April 8th, 2014
Rising power system strains despite decreasing heating demand in a warming climate
No full textInternational audienceElectrifying systems like heating is essential for reducing greenhouse gas emissions. France provides a compelling case study due to the high share of electricity used in its buildings sector. Using a heating degree-days methodology alongside a power demand model applied to ten climate model simulations, we examine four emission scenarios, assuming the actual electricity mix and use. Our results indicate a significant decrease in average power demand, with a slight reduction in peak demand during cold waves, driven by rising winter temperatures. This trend may give the misleading perception of a reduction in grid constraints. However, counterintuitively, the demand surge during cold waves—relative to normal conditions—is projected to increase with climate change, which could heighten the pressure on the power system. With the probability of such events decreasing, and heating needs becoming more fragmented, adaptation will be crucial for power system preparedness
Convention citoyenne sur la fin de vie (France, 2022-2023). Volume 2 : Statistiques descriptives des données des questionnaires des équipes de recherche et d'animation
No full textLa Convention citoyenne sur la fin de vie (CCFV) (2022-2023) est le deuxième exercice de démocratie délibérative d'envergure à avoir eu lieu en France, après la Convention citoyenne pour le climat (2019-2020). Au cours de la CCFV, des citoyennes et citoyens (essentiellement tirés au sort) ont travaillé au Cese pendant 27 jours, répartis sur neuf week-ends, pour répondre à la question suivante posée par la Première ministre : « Le cadre d'accompagnement de la fin de vie est-il adapté aux différentes situations rencontrées ou d'éventuels changements devraient-ils être introduits ? ». Au cours de la CCFV, les chercheuses et chercheurs, d'un côté, et les animatrices et animateurs, d'un autre, ont administré des questionnaires auprès des conventionnelles et conventionnels.Le présent rapport se compose de deux volumes. Le volume 1 (Apouey, Pénigaud et Santoro, 2025) compare les caractéristiques sociodémographiques des membres de la CCFV avec celles de la population française, ce qui nous conduit à montrer que la CCFV n'était pas vraiment représentative de la population générale. En effet, nous observons à la CCFV une sur-représentation des catégories sociales favorisées et des catégories moyennes (personnes les plus diplômées, cadres, professions intermédiaires) et une sous-représentation des catégories sociales défavorisées. De plus, les habitantes et habitants des communes appartenant à un grand pôle étaient sur-représentés à la CCFV. La représentativité de la CCFV en termes de sexe, d'âge et de région est quant à elle bien respectée. Le volume 1 décrit ensuite le protocole d'observation du déroulement de la CCFV et le processus de passation des questionnaires par l'équipe de recherche. Finalement, nous comparons certaines des données tirées des questionnaires de l'équipe de recherche avec des données d'enquêtes nationales.Le volume 2 (Apouey, Pénigaud, Santoro et al., 2025) rend publics les questionnaires administrés par les équipes de recherche et d'animation et l'ensemble des statistiques descriptives des données (quantitatives) ainsi collectées
Convention citoyenne sur la fin de vie (France, 2022-2023). Volumes 1 et 2 : Analyse de la représentativité de la Convention, comparaison des données de l'équipe de recherche avec des données d'enquêtes nationales et statistiques descriptives des données des questionnaires des équipes de recherche et d'animation
No full textLa Convention citoyenne sur la fin de vie (CCFV) (2022-2023) est le deuxième exercice de démocratie délibérative d'envergure à avoir eu lieu en France, après la Convention citoyenne pour le climat (2019-2020). Au cours de la CCFV, des citoyennes et citoyens (essentiellement tirés au sort) ont travaillé au Cese pendant 27 jours, répartis sur neuf week-ends, pour répondre à la question suivante posée par la Première ministre : « Le cadre d'accompagnement de la fin de vie est-il adapté aux différentes situations rencontrées ou d'éventuels changements devraient-ils être introduits ? ». Au cours de la CCFV, les chercheuses et chercheurs, d'un côté, et les animatrices et animateurs, d'un autre, ont administré des questionnaires auprès des conventionnelles et conventionnels.Le présent rapport se compose de deux volumes. Le volume 1 (Apouey, Pénigaud et Santoro, 2025) compare les caractéristiques sociodémographiques des membres de la CCFV avec celles de la population française, ce qui nous conduit à montrer que la CCFV n'était pas vraiment représentative de la population générale. En effet, nous observons à la CCFV une sur-représentation des catégories sociales favorisées et des catégories moyennes (personnes les plus diplômées, cadres, professions intermédiaires) et une sous-représentation des catégories sociales défavorisées. De plus, les habitantes et habitants des communes appartenant à un grand pôle étaient sur-représentés à la CCFV. La représentativité de la CCFV en termes de sexe, d'âge et de région est quant à elle bien respectée. Le volume 1 décrit ensuite le protocole d'observation du déroulement de la CCFV et le processus de passation des questionnaires par l'équipe de recherche. Finalement, nous comparons certaines des données tirées des questionnaires de l'équipe de recherche avec des données d'enquêtes nationales.Le volume 2 (Apouey, Pénigaud, Santoro et al., 2025) rend publics les questionnaires administrés par les équipes de recherche et d'animation et l'ensemble des statistiques descriptives des données (quantitatives) ainsi collectées
Micromechanical porous media simulation incorporating solid contact through enhanced Linear Complementarity Problem methodology
No full textInternational audienceMicromechanical porous media simulation incorporating solid contact through enhanced Linear Complementarity Problem methodolog
Computing the thermoporomechanical response of porous composites by an FFT-based method
No full textInternational audienceComputing the thermoporomechanical response of porous composites by an FFT-based metho
Compréhension des mécanismes de dégradation des micropolluants pharmaceutiques dans les eaux résiduaires urbaines par l'acide performique : Apport de la résonance paramagnétique électronique
No full textInternational audienc
Analyse des séries temporelles d'images satellite pour la classification des sols et la détection du changement
No full textThis thesis develops machine learning methods for analyzing time series of satellite images (STIS), focusing on soil classification and semantic change detection. We propose three main areas of improvement. First, we design architectures specifically tailored for STIS: DTI-TS for agricultural classification, multiUTAE for change detection, and a combination of a foundation model with a temporal attention model for detecting archaeological looting. Second, we address the lack of annotated data by developing weakly supervised methods and introducing a dataset for archaeological looting detection. Finally, we examine the impact of spatial and temporal domain shifts on model performance. The DTI-TS method aligns time series prototypes with data using spectral and temporal transformations. It excels in contexts with temporal shifts and data scarcity while maintaining good interpretability. MultiUTAE segments all images in a series simultaneously, leveraging information over a broad temporal window. This sequence-to-sequence approach outperforms methods that process images individually or in pairs across various domain shift scenarios. For archaeological looting detection, the thesis introduces DAFA-LS, a dataset of Afghan sites. The best performance is achieved by a method combining a pre-trained foundation model and an attention model. Future research directions include leveraging foundation models and multi-modality, enhancing time series by improving resolution or adding elevation data, and developing unsupervised learning and domain adaptation to mitigate the lack of annotated data.Cette thèse développe des méthodes d'apprentissage automatique pour l'analyse des séries temporelles d'images satellitaires (STIS), se concentrant sur la classification des sols et la détection des changements sémantiques. Elle propose trois axes d'amélioration. D'abord, elle développe des architectures spécifiques aux STIS: DTI-TS pour la classification agricole, multiUTAE pour la détection de changements, et une combinaison d'un modèle de fondation avec un modèle d'attention temporelle pour la détection de pillages archéologiques. Ensuite, elle répond au manque de données annotées en créant des méthodes peu supervisées et en introduisant un jeu de données pour la détection de pillages archéologiques. Enfin, elle étudie l'impact des écarts de domaine spatiaux et temporels sur les performances des modèles. La méthode DTI-TS aligne des prototypes de séries temporelles sur les données via des transformations spectrales et temporelles. Elle excelle dans les contextes de décalage temporel et de rareté des données, tout en offrant une bonne interprétabilité. MultiUTAE segmente simultanément toutes les images d'une série, exploitant l'information sur une large fenêtre temporelle. Cette approche séquence-à-séquence surpasse les méthodes traitant les images individuellement ou par paires dans différents scénarios de décalage de domaine. Pour la détection de pillages archéologiques, la thèse introduit DAFA-LS, un ensemble de données de sites afghans. Les meilleures performances sont obtenues par une méthode combinant un modèle de fondation pré-entraîné et un modèle d'attention. Les recherches futures s'orientent vers l'exploitation des modèles de fondation et de la multi-modalité, l'enrichissement des séries temporelles par l'amélioration de leur résolution ou l'ajout d'informations d'élévation, et le développement de l'apprentissage non supervisé et de l'adaptation de domaine pour pallier le manque de données annotées