Apprentissage automatique dans la prédiction des durées de séjour hospitalier

Rachda Naila Mekhaldi, Patrice Caulier (), Sondès Chaabane (), Sylvain Piechowiak (), Julien Taillard () and Arnaud Hansske
Additional contact information
Rachda Naila Mekhaldi: LAMIH - Laboratoire d'Automatique, de Mécanique et d'Informatique industrielles et Humaines - UMR 8201 - CNRS - Centre National de la Recherche Scientifique - UPHF - Université Polytechnique Hauts-de-France - INSA Hauts-De-France - INSA Institut National des Sciences Appliquées Hauts-de-France - INSA - Institut National des Sciences Appliquées
Patrice Caulier: LAMIH - Laboratoire d'Automatique, de Mécanique et d'Informatique industrielles et Humaines - UMR 8201 - CNRS - Centre National de la Recherche Scientifique - UPHF - Université Polytechnique Hauts-de-France - INSA Hauts-De-France - INSA Institut National des Sciences Appliquées Hauts-de-France - INSA - Institut National des Sciences Appliquées
Sondès Chaabane: LAMIH - Laboratoire d'Automatique, de Mécanique et d'Informatique industrielles et Humaines - UMR 8201 - CNRS - Centre National de la Recherche Scientifique - UPHF - Université Polytechnique Hauts-de-France - INSA Hauts-De-France - INSA Institut National des Sciences Appliquées Hauts-de-France - INSA - Institut National des Sciences Appliquées
Sylvain Piechowiak: LAMIH - Laboratoire d'Automatique, de Mécanique et d'Informatique industrielles et Humaines - UMR 8201 - CNRS - Centre National de la Recherche Scientifique - UPHF - Université Polytechnique Hauts-de-France - INSA Hauts-De-France - INSA Institut National des Sciences Appliquées Hauts-de-France - INSA - Institut National des Sciences Appliquées
Julien Taillard: Alicante [Seclin]
Arnaud Hansske: GHICL - Groupement des Hôpitaux de l'Institut Catholique de Lille - UCL - Université catholique de Lille

Post-Print from HAL

Abstract: Au cours des dernières années, l'estimation de la durée de séjour hospitalier (DDS) au moment de l'admission du patient fait l'objet de plusieurs études. La DDS est un indicateur d'évaluation du rendement des établissements de soins et d'efficacité de la performance des services hospitaliers. La prédiction des DDS contribue à l'optimisation des ressources des hôpitaux, à l'amélioration de l'organisation des soins et à une meilleure planification des activités. Dans cette communication, nous exposons la démarche suivie pour implémenter un modèle de prédiction de durées de séjour hospitalier en exploitant des algorithmes d'apprentissage automatique. Pour chaque étape du processus de prédiction, les difficultés rencontrées sont soulevées et discutées. L'implication de l'expertise et son importance dans dans le projet sont également mises en évidence. Finalement, un exemple illustratif utilisant l'ensemble de données « Microsoft for length of stay prediction » est présenté. Mots clés : Durée de séjour hospitalier, exploration de données, apprentissage automatique, modèle de prédiction.

Date: 2020-10-26
Note: View the original document on HAL open archive server: https://uphf.hal.science/hal-03198124v1
References: View references in EconPapers View complete reference list from CitEc
Citations:

Published in 10ème conférence Francophone en Gestion et Ingénierie des Systèmes Hospitaliers, GISEH2020, Oct 2020, Valenciennes, France

Downloads: (external link)
https://uphf.hal.science/hal-03198124v1/document (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:hal:journl:hal-03198124

Access Statistics for this paper

More papers in Post-Print from HAL
Bibliographic data for series maintained by CCSD ().