Approche basée sur les réseaux de neurones récurrents pour la prévision de la demande de soins aux urgences hospitalières

Farid Kadri, Kahina Abdennbi, Sondès Chaabane () and Issam Nouaouri ()
Additional contact information
Farid Kadri: Agence Aeroline Ccustomer Services
Kahina Abdennbi: Mairie de Mantauban - Service Communal d'Hygiène et de Santé
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
Issam Nouaouri: LGI2A - Laboratoire de Génie Informatique et d'Automatique de l'Artois - UA - Université d'Artois

Post-Print from HAL

Abstract: Au cours des dernières années, les besoins en soins d'urgences ont considérablement augmenté dans les services des urgences (SU). La gestion du flux de patients est l'un des principaux défis auxquels sont confrontés de nombreux SU. À cet égard, il est essentiel de prédire les demandes de soins afin de mieux adapter les ressources aux demandes de soins et d'atténuer les problèmes de surpopulation dans ces établissements. Les modèles de régression et de série chronologique existants, sont principalement des modèles linéaires et ne peuvent pas décrire la nature stochastique et non linéaire des données. Les approches basées sur l'apprentissage par réseaux de neurones sont considérées comme une nouvelle alternative pour la prévision dans divers domaines. Cet article présente une approche d'apprentissage par réseaux de neurones profonds basée sur le modèle GRU (Gated Recurrent Unit) pour prédire les demandes de soins dans un SU. Les données issues du service des urgences pédiatriques (SUP) du centre hospitalier régional de Lille (CHRU), sont utilisées pour tester et valider l'approche proposée. Les résultats montrent une bonne performance de prévision des admissions au SUP.

Keywords: Services des urgences; surcharge; prévision; réseaux de neurones profonds; GRU (search for similar items in EconPapers)
Date: 2020-10-26
Note: View the original document on HAL open archive server: https://uphf.hal.science/hal-03199566
References: Add references at CitEc
Citations:

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

Downloads: (external link)
https://uphf.hal.science/hal-03199566/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-03199566

Access Statistics for this paper

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