Approche basée sur les réseaux de neurones récurrents pour la prévision de la demande de soins aux urgences hospitalières - Université Polytechnique des Hauts-de-France Access content directly
Conference Papers Year :

Approche basée sur les réseaux de neurones récurrents pour la prévision de la demande de soins aux urgences hospitalières

Abstract

Au cours des dernières années, les besoins en soins d'urgences ont considérablement augmenté dans les services des urgences (SU). La gestion du flux de patients est l'un des principaux défis auxquels sont confrontés de nombreux SU. À cet égard, il est essentiel de prédire les demandes de soins afin de mieux adapter les ressources aux demandes de soins et d'atténuer les problèmes de surpopulation dans ces établissements. Les modèles de régression et de série chronologique existants, sont principalement des modèles linéaires et ne peuvent pas décrire la nature stochastique et non linéaire des données. Les approches basées sur l'apprentissage par réseaux de neurones sont considérées comme une nouvelle alternative pour la prévision dans divers domaines. Cet article présente une approche d'apprentissage par réseaux de neurones profonds basée sur le modèle GRU (Gated Recurrent Unit) pour prédire les demandes de soins dans un SU. Les données issues du service des urgences pédiatriques (SUP) du centre hospitalier régional de Lille (CHRU), sont utilisées pour tester et valider l'approche proposée. Les résultats montrent une bonne performance de prévision des admissions au SUP.
Fichier principal
Vignette du fichier
GISEH2020_paper_41_Kadri.pdf (547.44 Ko) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

hal-03199566 , version 1 (15-04-2021)

Identifiers

  • HAL Id : hal-03199566 , version 1

Cite

Farid Kadri, Kahina Abdennbi, Sondès Chaabane, Issam Nouaouri. Approche basée sur les réseaux de neurones récurrents pour la prévision de la demande de soins aux urgences hospitalières. 10ème conférence Francophone en Gestion et Ingénierie des Systèmes Hospitaliers, GISEH2020, Oct 2020, Valenciennes (visioconférence), France. ⟨hal-03199566⟩
81 View
114 Download

Share

Gmail Facebook Twitter LinkedIn More