Modèles Explicatifs/Prédictifs pour l'Analyse des Flux dans les Services d'Urgences Médicales

Modeling and forecasting for patient flows in emergency medical departments

• Auteur / Autrice : Laurie Sapia
• Direction : Amor Keziou
• Type : Projet de thèse
• Discipline(s) : MA - Mathématiques Appliquées
• Date : Inscription en doctorat le 30/09/2021
• Etablissement(s) : Reims
• Ecole(s) doctorale(s) : École doctorale Mathématiques Physique Sciences du Numérique et de l'Ingénieur (Reims ; 2018-)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Mathématiques de Reims (LMR) - CNRS UMR 9008 (Reims, France)

Mots clés

Mots clés libres

Modèles de séries temporelles vectorielles avec variables exogènes

Apprentissage statistique et Machine learning

Modèles semi-paramétriques et statistiques d'indépendance séquentiels.

Apprentissage profond et Big Data

Statistical/Machine/Deep learning

Semiparametric Statistics.

Time series analysis

Résumé

Le projet vise à construire des modèles mathématiques explicatifs/prédictifs robustes et performants des flux de patients dans les Services Accueil d'Urgences de la région Grand Est. Il s'appuie sur la masse de données importante centralisée par l'association Est-RESCUE, Réseau et Observatoire des Services d'Urgences du Grand Est. Les modèles obtenus seront implémentés sur support informatique, permettant de prédire, en temps réel, les flux de patients, le taux d'occupation des services, etc.

The project aims to build robust and efficient predictive mathematical models of patient flows in emergency departments of the Grand Est region. It is based on the big data collected by the Est-RESCUE association. The models obtained will be implemented on computer support, making it possible to predict, in real time, the flow of patients, the occupancy rate, etc.