Couplage modèle de Markov – modèle d'optimisation : une application dans le domaine médico-social

Résumé : Le travail présenté dans cet article a été réalisé dans le cadre d'un contrat avec la Mutualité Française de la Loire. Cette étude concerne le problème du vieillissement et de l'handicap dans les établissements de longs et moyens séjours. L'objectif est de dimensionner les besoins en structure d'accueil à court-terme, moyen-terme et long-terme. Dans cet article, nous montrons l'apport de l'apprentissage automatique et de la fouille de données pour définir des profils des résidants de maisons de retraite et leur évolution dans le temps afin de dimensionner les besoins en soins de base et par conséquent le nombre de ressources nécessaires. Pour atteindre cet objectif, nous inférons un automate probabiliste (à partir des données recueillies) qui permet ensuite de déduire un modèle markovien. Comme notre système admet un état stationnaire, nous pouvons ensuite planifier les admissions dans les différentes unités de soins respectant strictement les contraintes de sécurité relatives au nombre de ressources humaines nécessaires pour réaliser les soins de base. Nous constatons que le système est en surcharge de travail eu égard à l'état stationnaire. Grâce à la simulation et plus particulièrement au modèle markovien, nous estimons la durée avant d'atteindre un équilibre (l'état stationnaire) et le risque de dépassement horaire en soins de base.
Document type :
Conference papers
Complete list of metadatas

https://hal-ujm.archives-ouvertes.fr/ujm-00331480
Contributor : Catherine Combes <>
Submitted on : Thursday, October 16, 2008 - 6:44:35 PM
Last modification on : Wednesday, July 25, 2018 - 2:05:30 PM

Identifiers

  • HAL Id : ujm-00331480, version 1

Collections

Citation

Catherine Combes, Jean Azéma. Couplage modèle de Markov – modèle d'optimisation : une application dans le domaine médico-social. 7e Conférence Internationale de MOdélisation et SIMulation, Apr 2008, France. pp.1310-1319. ⟨ujm-00331480⟩

Share

Metrics

Record views

90