https://github.com/zevio/prediction-medicale
Prédiction des hospitalisations futures de patients atteints d'une pathologie donnée.
https://github.com/zevio/prediction-medicale
Last synced: 14 days ago
JSON representation
Prédiction des hospitalisations futures de patients atteints d'une pathologie donnée.
- Host: GitHub
- URL: https://github.com/zevio/prediction-medicale
- Owner: zevio
- License: mit
- Created: 2016-09-10T12:32:37.000Z (almost 10 years ago)
- Default Branch: master
- Last Pushed: 2016-11-03T23:39:45.000Z (over 9 years ago)
- Last Synced: 2025-01-07T10:10:04.427Z (over 1 year ago)
- Language: C
- Size: 1.05 MB
- Stars: 1
- Watchers: 2
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# prediction-medicale
Prédiction des hospitalisations futures de patients atteints d'une pathologie donnée.
# Contexte
Cette application en C a été créée dans le cadre d'un travail de recherche au LIRMM (Laboratoire d'Informatique, de Robotique et de Microélectronique de Montpellier), au sein de l'équipe ADVANSE, en collaboration avec le CHU de Nîmes.
### Collaborateurs
* Stella Zevio stella.zevio_at_etu.umontpellier.fr
* Jessica Pinaire jessica.pinaire_at_chu-nimes.fr
* Jérôme Azé jerome.aze_at_lirmm.fr
* Sandra Bringay sandra.bringay_at_lirmm.fr
### Contribution
Copyright (c) 2016 Stella Zevio.
# Principe
L'application permet de déterminer les hospitalisations futures de patients atteints d'une pathologie donnée.
### Motif d'un patient
Un motif est associé à un patient. Il s'agit de la liste des hospitalisations qu'il a subies.
Les motifs sont représentés par une suite d'entiers. Chaque entier correspond à une hospitalisation.
```
1 2 10 3
```
Ici, le patient a déjà subi deux hospitalisations. On cherche à déterminer, s'il était à nouveau hospitalisé, quelle serait la nature de cette nouvelle hospitalisation.
Lorsqu'un patient possède un motif de plus de 3 hospitalisations, nous décidons de ne baser la prédiction que sur les trois hospitalisations les plus récentes.
Ainsi, pour le motif suivant :
```
1 2 3 4
```
La prédiction ne portera que sur le motif :
```
2 3 4
```
### Contexte médical
La prédiction ne peut être réalisée qu'au sein d'un contexte médical précis.
Selon certains critères (par exemple l'âge ou le sexe), un patient n'a pas la même probabilité qu'un autre d'être touché par une pathologie précise.
Le contexte du patient doit donc être précisé.
Chaque contexte est représenté par un entier.
```
0
```
### Base séquentielle
La base séquentielle est l'ensemble des données patients récoltées.
Elle comporte une suite de motifs de patients qui ont été enregistrés et regroupés par contexte.
Chaque contexte est représenté par un 'c'.
Le premier 'c' représente l'entrée dans le contexte 0, le second 'c' l'entrée dans le contexte 1, etc.
Chaque ligne représente le motif d'un patient au sein de son contexte.
Voici un exemple de base séquentielle :
```
'c'
1 2 3
4 5 6
1 4 2
'c'
1 4 2
7 8
2
10 2
'c'
1 8
6
```
# Application
### Avertissement
La qualité de la prédiction dépend de la qualité de la base séquentielle.
Soit p1, le patient dont on veut déterminer l'hospitalisation future.
La prédiction se base sur les suites hospitalières des patients dont le motif comprend une correspondance partielle ou totale avec le motif de p1.
L'application ne détermine donc pas avec exactitude l'hospitalisation future de p1, mais analyse statistiquement les suites hospitalières des patients qui présentent une similitude avec lui.
Il est possible que p1 ne présente pas de suite hospitalière. Ce cas de figure n'est pas pris en compte dans notre application.
### Documentation
Le code a été documenté avec Doxygen.
La documentation au format pdf est fournie.
### Utilisation
Pour utiliser l'application, veuillez télécharger le code.
Pour compiler, veuillez utiliser la commande suivante :
```
make
```
Pour exécuter, veuillez utiliser la commande suivante :
```
./prediction contexte motif
```
### Résultats
Pour chaque couple (contexte,motif), les résultats sont enregistrés dans le fichier prediction_contexte_motif.txt du dossier resultats, sous la forme suivante :
```
prédiction:probabilité
```
Chaque ligne du fichier correspond à une prédiction.
Par exemple, la prédiction sur le contexte 1 du motif 3 4 10 sera enregistrée dans le fichier prediction_1_3 4 10 .txt, dans le dossier resultats.
Lorsqu'une prédiction partielle a été réalisée, cela est précisé à la fin du fichier. Deux cas sont possibles :
* (prediction partielle par groupes de deux hospitalisations)
Lorsqu'au moins une correspondance avec un groupe de deux hospitalisations issues du motif a été trouvée
* (prediction partielle hospitalisation par hospitalisation)
Lorsque le cas précédent est faux, et qu'au moins une correspondance avec une hospitalisation issue du motif a été trouvée