https://aleph.edinum.org:443/11166 Publications de Auteurs Asmaa Bengueddach fr 0 https://aleph.edinum.org:443/11215 This comprehensive study explores the transformative impact of ChatGPT in a variety of life sectors, with a particular focus on its integration into higher education. Examining the benefits, including personalised learning experiences and institutional effectiveness, as well as challenges such as bias and privacy concerns, prompts a nuanced exploration of whether ChatGPT represents a positive force or a potential disruptor in higher education. The analysis highlights the delicate balance needed to harness the potential of ChatGPT while preserving core educational values. Recommendations emphasise interdisciplinary collaboration, the establishment of ethical guidelines and targeted professional development to navigate an ever-changing landscape. Future research should focus on refining algorithms, correcting biases and studying long-term effects to ensure responsible and effective integration of ChatGPT into higher education. Cette étude complète explore l’impact transformateur du ChatGPT dans divers secteurs de la vie, avec un accent particulier sur son intégration dans l’enseignement supérieur. L’examen des avantages, y compris les expériences d’apprentissage personnalisées et l’efficacité institutionnelle, ainsi que les défis tels que les préjugés et les préoccupations en matière de protection de la vie privée, incite à une exploration nuancée pour savoir si le ChatGPT représente une force positive ou un perturbateur potentiel dans l’enseignement supérieur. L’analyse met en évidence l’équilibre délicat nécessaire pour exploiter le potentiel de ChatGPT tout en préservant les valeurs fondamentales de l’éducation. Les recommandations mettent l’accent sur la collaboration interdisciplinaire, l’établissement de lignes directrices éthiques et le développement professionnel ciblé pour naviguer dans un paysage en constante évolution. Les recherches futures devraient se concentrer sur le perfectionnement des algorithmes, la correction des biais et l’étude des effets à long terme, afin de garantir une intégration responsable et efficace du ChatGPT dans l’enseignement supérieur. dim., 24 mars 2024 19:18:39 +0100 dim., 24 mars 2024 19:21:31 +0100 https://aleph.edinum.org:443/11215 https://aleph.edinum.org:443/11178 Cancer originates in specialized cells of the body, which regulate many essential functions across various organs. Traditional methods often struggle with cancer diagnosis. However, several studies have shown the potential of Artificial Intelligence (AI) in enhancing cancer diagnosis and prevention. This study introduces machine learning models employed to address critical phases in the lifecycle of cancer. Additionally, it discusses the strengths and limitations of these models. Le cancer prend naissance dans des cellules spécialisées du corps, qui régulent de nombreuses fonctions essentielles à travers différents organes. Les méthodes traditionnelles éprouvent souvent des difficultés dans le diagnostic du cancer. Cependant, plusieurs études ont montré le potentiel de l’intelligence artificielle (IA) pour améliorer le diagnostic et la prévention du cancer. Cette étude présente des modèles d’apprentissage automatique utilisés pour aborder les phases critiques du cycle de vie du cancer. De plus, elle examine les forces et les limites de ces modèles. sam., 23 mars 2024 12:08:19 +0100 sam., 23 mars 2024 12:15:47 +0100 https://aleph.edinum.org:443/11178 https://aleph.edinum.org:443/11159 Background: Pancreatic cancer (PC) is one of the most aggressive solid tumors, characterized by particular severity and an extremely poor prognosis. The objective of this study is to determine the prognostic factors influencing patient survival and to identify epidemiological, diagnostic, and therapeutic approaches. Patients and Methods: A descriptive study was conducted, including all patients with metastatic PC. Statistical analysis was performed using EpiData software and SPSS v25. Response rates were determined based on RECIST criteria, and tolerance was assessed according to NCI-CTCAE version 4.0 criteria. Results: A total of 176 patients were included, with a mean age of 64.51 ± 12.02 years and a sex ratio of 1.02. Ductal adenocarcinoma was the most frequent histological type (81.3%), with the majority of tumors classified as T3 (50%), N1 (73%), and stage IV (60%). The overall survival rates at 1 and 2 years were 35% and 26%, respectively, and the progression-free survival rates were 45% (at 1 year) and 22% (at 3 years). Eleven prognostic factors influencing survival were confirmed, with multivariate analysis identifying three variables associated with death occurrence: tumor size (p=0.03), malnutrition (p=0.04), and vomiting (p=0.04). Conclusion: Identifying prognostic factors in PC should provide valuable insights for therapeutic decision-making. Introduction : Le cancer du pancréas (PC) est l’une des tumeurs solides les plus agressives, caractérisée par une gravité particulière et un pronostic extrêmement sombre. L’objectif de cette étude est de déterminer les facteurs pronostiques influençant la survie des patients et d’identifier les approches épidémiologiques, diagnostiques et thérapeutiques. Patients et Méthodes : Une étude descriptive a été menée, incluant tous les patients atteints de PC métastatique. L’analyse statistique a été réalisée à l’aide du logiciel EpiData et de SPSS v25. Les taux de réponse ont été déterminés selon les critères RECIST, et la tolérance a été évaluée selon les critères NCI-CTCAE version 4.0. Résultats : Au total, 176 patients ont été inclus, avec un âge moyen de 64,51 ±12,02 ans et un sex-ratio de 1,02. L’adénocarcinome canalaire était le type histologique le plus fréquent (81,3 %), avec la majorité des tumeurs classées en T3 (50 %), N1 (73 %), et stade IV (60 %). Les taux de survie globale à 1 et 2 ans étaient respectivement de 35 % et 26 %, et les taux de survie sans progression étaient de 45 % (à 1 an) et 22 % (à 3 ans). Onze facteurs pronostiques influençant la survie ont été confirmés, avec une analyse multivariée identifiant trois variables associées à la survenue du décès : la taille de la tumeur (p =0,03), la malnutrition (p =0,04), et les vomissements (p =0,04). Conclusion : L’identification des facteurs pronostiques dans le PC devrait fournir des informations précieuses pour la prise de décision thérapeutique. jeu., 21 mars 2024 18:56:12 +0100 jeu., 21 mars 2024 18:57:07 +0100 https://aleph.edinum.org:443/11159