Titre : Prévision des hospitalisations en fonction des épidémies de grippe et des facteurs météorologiques
Début de thèse : 2017-2018
Fin de thèse : 2022
Résumé :Une bonne prise en charge des patients hospitaliers, nécessite une bonne gestion des ressources hospitalière en matériel et en personnel, ceci implique d’anticiper les admissions, et d’adapter les hospitalisations programmées en fonction de la prévision des admissions non programmées.
L’objectif de ce travail est donc de prédire le nombre hebdomadaire des admissions non programmées à l’échelle d’un hôpital, en testant les méthodes de séries temporelles adaptées aux données de comptage, le défi étant d’introduire des données exogènes dans ce type de modèles.
Cette étude se déroule en trois parties : Premièrement, décrire et caractériser les lois des données d’hospitalisation qui seront utilisés pour la prédiction. Deuxièmement, utiliser les modèles de séries temporelles adaptés à la loi de distribution des données hospitalières utilisées, en particulier les modèle INAR (INteger valued AutoRegressive time series), qui utilise un operateur d’amincissement et un paramètre « α » (probabilité qu’un évènement se produise). La troisième étape consiste à écrire et tester un modèle multivarié, en conditionnant le paramètre « α » du modèle INAR aux variation des facteurs exogènes : température extérieure et données d’activité des médecins généralistes.
Mots clés : Série temporelles, données de comptage, épidémies, hospitalisations non programmées
Date de soutenance prévue : 2022
Encadrement :
Mireille Batton-Hubert : Professeur Mines Saint-Étienne, Limos
Marianne Sarazin : Médecin spécialiste de santé publique
Partenaires ou/et Financeurs :