Apprentissage automatique dans la prédiction des durées de séjour hospitalier

Rachda Naila Mekhaldi (1) , Patrice Caulier (1) , Sondès Chaabane (1) , Sylvain Piechowiak (1) , Julien Taillard (2) , Arnaud Hansske (3)

1 LAMIH - Laboratoire d'Automatique, de Mécanique et d'Informatique industrielles et Humaines - UMR 8201
2 Alicante [Seclin]
3 GHICL - Groupement des Hôpitaux de l'Institut Catholique de Lille

Au cours des dernières années, l'estimation de la durée de séjour hospitalier (DDS) au moment de l'admission du patient fait l'objet de plusieurs études. La DDS est un indicateur d'évaluation du rendement des établissements de soins et d'efficacité de la performance des services hospitaliers. La prédiction des DDS contribue à l'optimisation des ressources des hôpitaux, à l'amélioration de l'organisation des soins et à une meilleure planification des activités. Dans cette communication, nous exposons la démarche suivie pour implémenter un modèle de prédiction de durées de séjour hospitalier en exploitant des algorithmes d'apprentissage automatique. Pour chaque étape du processus de prédiction, les difficultés rencontrées sont soulevées et discutées. L'implication de l'expertise et son importance dans dans le projet sont également mises en évidence. Finalement, un exemple illustratif utilisant l'ensemble de données « Microsoft for length of stay prediction » est présenté. Mots clés : Durée de séjour hospitalier, exploration de données, apprentissage automatique, modèle de prédiction.

Domaines: Sciences de l'ingénieur [physics]; Econométrie de la finance [q-fin.ST]

Rachda Naila Mekhaldi, Patrice Caulier, Sondès Chaabane, Sylvain Piechowiak, Julien Taillard, et al.. Apprentissage automatique dans la prédiction des durées de séjour hospitalier. 10ème conférence Francophone en Gestion et Ingénierie des Systèmes Hospitaliers, GISEH2020, Oct 2020, Valenciennes, France. ⟨hal-03198124⟩