Assas Recherche | Méthode globale de prédiction des durées de séjours hospitalières avec intégration des données incrémentales et évolutives

Méthode globale de prédiction des durées de séjours hospitalières avec intégration des données incrémentales et évolutives (Document en Français, Anglais)

Accès au(x) document(s)

Accéder au(x) document(s) :

https://theses.hal.science/tel-04053390

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :

Thèse consultable sur internet, en texte intégral.

Informations sur les contributeurs

Auteur : Lequertier Vincent

Lequertier, Vincent

Nom

Lequertier

Prénom

Vincent

Nationalité

Français

Date de soutenance : 30-09-2022

Directeur(s) de thèse : Duclos Antoine

Duclos, Antoine

Nom

Duclos

Prénom

Antoine

- Wang Tao

Wang, Tao

Nom

Wang

Prénom

Tao

- Fondrevelle Julien

Fondrevelle, Julien

Nom

Fondrevelle

Prénom

Julien

Etablissement de soutenance : Lyon 1

Lyon 1

Nom

Lyon 1

Laboratoire : Research on Healthcare Performance (RESHAPE) (Lyon ; 2021-....)

Research on Healthcare Performance (RESHAPE) (Lyon ; 2021-....)

Nom

Research on Healthcare Performance (RESHAPE) (Lyon ; 2021-....)

Ecole doctorale : École doctorale Interdisciplinaire Sciences-Santé (Villeurbanne ; 1995-....)

École doctorale Interdisciplinaire Sciences-Santé (Villeurbanne ; 1995-....)

Nom

École doctorale Interdisciplinaire Sciences-Santé (Villeurbanne ; 1995-....)

Informations générales

Discipline : Epidémiologie, santé publique, recherche sur les services de santé
Classification : Gestion et organisation de l'entreprise

Mots-clés libres : Durée de séjour, Prédiction, Intelligence artificielle, Aide à la décision, Dossier médical informatisé
Mots-clés :

Hôpitaux -- Durée du séjour - Prévision
Hôpitaux -- Administration
Systèmes d'aide à la décision - Innovation
Intelligence artificielle en médecine

Résumé : Prédire la durée de séjour des patients est un enjeu important pour l'organisation des activités de soin dans les hôpitaux, notamment en termes de gestion des lits et de préparation de la sortie des patients. Faciliter l'organisation des activités de l'hôpital influence l'accès, la qualité et l'efficience des soins. Dans cette thèse, nous avons cherché à prédire la durée de séjour pour tous les patients de l'hôpital, à toutes les étapes qui composent leurs parcours de soins, à l'aide de données médico-administratives standardisées de Médecine, Chirurgie, Obstétrique qui sont collectées pour le remboursement des soins. Nous avons commencé par faire une revue systématique de la littérature sur les méthodes de prédiction des durées de séjours, afin de mieux comprendre la préparation des données, les différentes approches de prédiction et la façon de rapporter les résultats. Nous avons ensuite travaillé sur une méthode de prétraitement des données et déterminé si les embeddings peuvent représenter les concepts médicaux dans le cadre des prédictions de durées de séjours via un réseau de neurones. La capacité du réseau de neurones à correctement prédire la durée de séjour a été évaluée et comparée avec celle d'une forêt aléatoire et d'une régression logistique. Nos travaux montrent que la durée de séjour hospitalière peut être prédite au moyen d'un réseau de neurones avec des données médico-administratives standardisées disponibles pour tous les patients.

Informations techniques

Type de contenu : Text
Format : PDF

Informations complémentaires

Entrepôt d'origine :

STAR : dépôt national des thèses électroniques françaises

Identifiant : 2022LYO10029
Type de ressource : Thèse

Fiche descriptive