Process discovery, analysis and simulation of clinical pathways using health-care data

Résumé : Les deux dernières décennies ont été marquées par une augmentation significative des données collectées dans les systèmes d'informations. Cette masse de données contient des informations riches et peu exploitées. Cette réalité s’applique au secteur de la santé où l'informatisation est un enjeu pour l’amélioration de la qualité des soins. Les méthodes existantes dans les domaines de l'extraction de processus, de l'exploration de données et de la modélisation mathématique ne parviennent pas à gérer des données aussi hétérogènes et volumineuses que celles de la santé. Notre objectif est de développer une méthodologie complète pour transformer des données de santé brutes en modèles de simulation des parcours de soins cliniques. Nous introduisons d'abord un cadre mathématique dédié à la découverte de modèles décrivant les parcours de soin, en combinant optimisation combinatoire et Process Mining. Ensuite, nous enrichissons ce modèle par l’utilisation conjointe d’un algorithme d’alignement de séquences et de techniques classiques de Data Mining. Notre approche est capable de gérer des données bruitées et de grande taille. Enfin, nous proposons une procédure pour la conversion automatique d'un modèle descriptif des parcours de soins en un modèle de simulation dynamique. Après validation, le modèle obtenu est exécuté pour effectuer des analyses de sensibilité et évaluer de nouveaux scénarios. Un cas d’étude sur les maladies cardiovasculaires est présenté, avec l’utilisation de la base nationale des hospitalisations entre 2006 et 2015. La méthodologie présentée dans cette thèse est réutilisable dans d'autres aires thérapeutiques et sur d'autres sources de données de santé.
Type de document :
Thèse
Other. Université de Lyon, 2017. English. 〈NNT : 2017LYSEM009〉
Liste complète des métadonnées

Littérature citée [189 références]  Voir  Masquer  Télécharger

https://tel.archives-ouvertes.fr/tel-01665163
Contributeur : Abes Star <>
Soumis le : vendredi 15 décembre 2017 - 15:42:32
Dernière modification le : samedi 16 décembre 2017 - 01:03:22

Fichier

prodel-martin-diff.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01665163, version 1

Collections

Citation

Martin Prodel. Process discovery, analysis and simulation of clinical pathways using health-care data. Other. Université de Lyon, 2017. English. 〈NNT : 2017LYSEM009〉. 〈tel-01665163〉

Partager

Métriques

Consultations de la notice

531

Téléchargements de fichiers

417