La confiance est dans l'air ! Application à l'identification des parcours hospitaliers

Résumé : L'extraction de motifs séquentiels permet d'identifier les séquences fréquentes d'événements ordonnés. Afin de résoudre le problème du grand nombre de motifs obtenus, nous proposons l'extension pour les motifs séquentiels de la confiance, mesure d'intérêt utilisée classiquement pour sélectionner les règles d'association. Dans cet article, après avoir présenté les données, nous définirons formellement la notion de confiance appliquée aux motifs séquentiels. Nous appliquerons cette mesure pour identifier des trajectoires hospitalières, représentées par les motifs séquentiels, dans des données issues du PMSI (Programme de Médicalisation des Systèmes d'Information). Nous nous sommes focalisés sur un cas d'étude hospitalière : l'infarctus du myocarde (IM), et notamment la prédiction de la trajectoire des patients ayant eu un IM entre 2009 et 2013. Les résultats obtenus ont été soumis à un spécialiste pour discussion et validation.
Type de document :
Communication dans un congrès
GAST: Gestion et Analyse des données Spatiales et Temporelles, Jan 2016, Reims, France. 2nd atelier – Gestion et Analyse des données Spatiales et Temporelles (GAST’2016), 2016, 〈https://gt-gast.irisa.fr/cfp/〉
Liste complète des métadonnées

Littérature citée [22 références]  Voir  Masquer  Télécharger

https://hal-lirmm.ccsd.cnrs.fr/lirmm-01288459
Contributeur : Jessica Pinaire <>
Soumis le : mardi 15 mars 2016 - 10:57:24
Dernière modification le : jeudi 11 janvier 2018 - 06:27:21
Document(s) archivé(s) le : jeudi 16 juin 2016 - 10:35:44

Fichier

ateliergastegc2016.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : lirmm-01288459, version 1

Citation

Yves Mercadier, Jessica Pinaire, Jérôme Azé, Sandra Bringay, Maguelonne Teisseire. La confiance est dans l'air ! Application à l'identification des parcours hospitaliers. GAST: Gestion et Analyse des données Spatiales et Temporelles, Jan 2016, Reims, France. 2nd atelier – Gestion et Analyse des données Spatiales et Temporelles (GAST’2016), 2016, 〈https://gt-gast.irisa.fr/cfp/〉. 〈lirmm-01288459〉

Partager

Métriques

Consultations de la notice

190

Téléchargements de fichiers

182