Réseaux dynamiques de terrain : caractérisation et propriétés de diffusion en milieu hospitalier

Real Dynamic Networks : Characterisation and Diffusion Properties in Hospital Contexts

• Auteur / Autrice : Lucie Martinet
• Direction : Éric Fleury
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 18/09/2015
• Etablissement(s) : Lyon, École normale supérieure
• Ecole(s) doctorale(s) : École doctorale en Informatique et Mathématiques de Lyon (2009-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de l'informatique du parallélisme (Lyon ; 1988-....) - DANTE / LIP Laboratoire de l'Informatique du Parallélisme Lyon / Inria Grenoble Rhône-Alpes / IXXI Institut rhône-alpin des systèmes complexes
• Jury : Président / Présidente : Thomas Noël
• Jury : Examinateurs / Examinatrices : Éric Fleury, Thomas Noël, Jean-Loup Guillaume, Clémence Magnien, Christophe Crespelle, Christophe Prieur
• Jury : Rapporteurs / Rapporteuses : Jean-Loup Guillaume, Clémence Magnien

Mots clés

Mots clés contrôlés

Systèmes complexes

Physique statistique

Théorie des graphes

Mots clés libres

Réseaux de terrain dynamiques

Analyse de réseaux sociaux

Théorie des graphes

Physique statistique

Analyse de données

Modèles de diffusion

Systèmes complexes

Dynamic real networks

Social network analysis

Graphs theory

Statistical physics

Data analysis

Diffusion models

Complex systems

Résumé

Durant cette thèse, nous nous sommes intéressés aux outils permettant d'extraire les propriétés structurelles et temporelles de réseaux dynamiques ainsi que les caractéristiques de certains scénarios de diffusion pouvant s'opérer sur ces réseaux. Nous avons travaillé sur un jeu de données spécifiques, issu du projet MOSAR, qui comporte entre autre le réseau de proximité des personnes au cours du temps durant 6 mois à l'hôpital de Berk-sur-mer. Ce réseau est particulier dans le sens où il est constitué de trois dimensions: temporelle, structurelle par la répartition des personnes en services et fonctionnelle car chaque personne appartient à une catégorie socio-professionnelle. Pour chacune des dimensions, nous avons utilisé des outils existants en physique statistique ainsi qu'en théorie des graphes pour extraire des informations permettant de décrire certaines propriétés du réseau. Cela nous a permis de souligner le caractère très structuré de la répartition des contacts qui suit la répartition en services et mis en évidence les accointances entre certaines catégories professionnelles. Concernant la partie temporelle, nous avons mis en avant l'évolution périodique circadienne et hebdomadaire ainsi que les différences fondamentales entre l'évolution des interactions des patients et celle des personnels. Nous avons aussi présenté des outils permettant de comparer l'activité entre deux périodes données et de quantifier la similarité de ces périodes. Nous avons ensuite utilisé la technique de simulation pour extraire des propriétés de diffusion de ce réseau afin de donner quelques indices pour établir une politique de prévention.

In this thesis, we focus on tools whose aim is to extract structural and temporal properties of dynamic networks as well as diffusion characteristics which can occur on these networks. We work on specific data, from the European MOSAR project, including the network of individuals proximity from time to time during 6 months at the Brek-sur-Mer Hospital. The studied network is notable because of its three dimensions constitution : the structural one induced by the distribution of individuals into distinct services, the functional dimension due to the partition of individual into groups of socio-professional categories and the temporal dimension.For each dimension, we used tools well known from the areas of statistical physics as well as graphs theory in order to extract information which enable to describe the network properties. These methods underline the specific structure of the contacts distribution which follows the individuals distribution into services. We also highlight strong links within specific socio-professional categories. Regarding the temporal part, we extract circadian and weekly patterns and quantify the similarities of these activities. We also notice distinct behaviour within patients and staff evolution. In addition, we present tools to compare the network activity within two given periods. To finish, we use simulations techniques to extract diffusion properties of the network to find some clues in order to establish a prevention policy.