Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : EA2694 “Santé Publique; Epidémiologie et Qualité des Soins”, Univ-Lille et CHU Lille
Durée : 36 mois
Contact : hayfa.zgaya-biau@univ-lille.fr
Date limite de publication : 2018-09-30

Contexte :
Ce travail sera réalisé dans le cadre du projet ANR OIILH (Optimisation inter et intra logistique hospitalière) – axe : Technologies pour la santé

Sujet :
Dans la gestion des systèmes de production de soins, la maîtrise des flux hospitaliers et l’anticipation des tensions sont des enjeux majeurs qui dépendent de l’efficacité des techniques utilisées pour traiter les données collectées. L’exploitation de ces données massives permet notamment d’identifier les indicateurs de performance intra et inter logistique hospitalière. De nombreux verrous techniques et scientifiques sont à étudier en prenant en compte les facteurs humain et socio-économique comme par exemple : comment choisir le(s) indicateur(s) de performance le(s) plus efficace(s) selon le contexte ? ou quels sont les facteurs qui contribuent à l’amplification de la tension et le rallongement des délais aux urgences ?

Dans le cadre du projet ANR OIILH, nous nous focalisons sur l’étude des identificateurs de tension aux urgences adultes du CHR de Lille. Ces indicateurs peuvent être connus comme le temps d’attente et la durée de séjour, ou à identifier grâce à la fouille des données massives.

L’objectif de cette thèse est de trouver une classification efficace d’indicateurs (cachés et/ou connus) permettant d’anticiper, de la manière la plus précise possible la tension aux urgences. Pour ce faire, de nombreux modèles et méthodes existent, pouvant être classés en 2 catégories : les modèles et méthodes statistiques et les modèles et méthodes d’apprentissage artificiel. Le but est de généraliser, innover et adapter ces modèles et méthodes pour anticiper la tension qui survient fréquemment aux urgences adultes dont le fonctionnement et le parcours patient sont complexes.

Profil du candidat :
Le candidat doit avoir un Master de recherche en informatique (de préférence) ou en statistique ou en mathématique

Formation et compétences requises :
Le candidat doit avoir un Master de recherche en informatique (de préférence) ou en statistique ou en mathématique avec des compétences en :
– programmation Python et java.
– optimisation et deep-learning

Un bon niveau en anglais écrit et parlé est nécessaire.

Adresse d’emploi :
EA2694 “Santé Publique; Epidémiologie et Qualité des Soins”, Univ-Lille et CHU Lille.

Document attaché : Sujet-de-these-ANR-OIILH2018_EA2694.pdf