Show simple document record

dc.contributor.advisorKabanza, Froduald
dc.contributor.advisorValiquette, Louis
dc.contributor.authorBeaudoin, Mathieufr
dc.date.accessioned2015-09-01T14:21:58Z
dc.date.available2015-09-01T14:21:58Z
dc.date.created2015fr
dc.date.issued2015-09-01
dc.identifier.urihttp://hdl.handle.net/11143/7591
dc.description.abstractL’utilisation inappropriée des antimicrobiens est un problème de taille qui touche jusqu’à 50% des prescriptions chez les patients hospitalisés. Or, la surveillance de l’usage des antimicrobiens à l’échelle d’un hôpital s’avère impossible à effectuer manuellement et requiert l’utilisation d’un système d’aide à la décision. Le système d’aide à la décision APSS - Antimicrobial Prescription Surveillance System - a été développé pour assister le professionnel de la santé dans l’identification des prescriptions inappropriées d’antimicrobiens. Son utilisation a été associée à une amélioration des pratiques de prescription d’antimicrobiens. Cependant, le processus d’acquisition et modélisation de sa connaissance a été long et ardu. Pour pallier cette difficulté, cette thèse présente un module d’apprentissage automatique développé pour permettre à un système comme APSS de découvrir de nouvelles règles de classification de prescriptions à partir des rétroactions de ses utilisateurs. Ce module utilise l’algorithme TIM - Temporal Induction of Classification Models - pour découvrir des règles temporelles de classification pour catégoriser des séquences d’épisodes comme approprié ou inapproprié. Des résultats d’évaluation démontrent la capacité du module à découvrir des règles cliniquement pertinentes pour plusieurs catégories d’alertes de prescriptions inappropriées. Les règles apprises ont mené à des interventions qui ont été manquées par le système de base. Ces règles ont permis d’étendre la connaissance du système de base en identifiant des pratiques de prescription non appuyées par les experts qui n’étaient pas incluses dans sa base de connaissances. Par contre, la combinaison des règles apprises aux règles du système de base a entraîné une augmentation des faux positifs.fr
dc.language.isofrefr
dc.language.isoengfr
dc.publisherUniversité de Sherbrookefr
dc.rights© Mathieu Beaudoinfr
dc.rightsAttribution - Pas d’Utilisation Commerciale 2.5 Canada*
dc.rights.urihttp://creativecommons.org/licenses/by-nc/2.5/ca/*
dc.subjectIntelligence artificiellefr
dc.subjectAide à la décisionfr
dc.subjectApprentissage superviséfr
dc.titleDécouverte de règles de classification pour un système d’aide à la décision pour la surveillance de l'usage des antimicrobiensfr
dc.typeThèsefr
tme.degree.disciplineInformatiquefr
tme.degree.grantorFaculté des sciencesfr
tme.degree.levelDoctoratfr
tme.degree.namePh.D.fr


Files in this document

Thumbnail
Thumbnail

This document appears in the following Collection(s)

Show simple document record

© Mathieu Beaudoin
Except where otherwise noted, this document's license is described as © Mathieu Beaudoin