Compte rendu réunion HOST du 21 juin 2013, Lille

Transcription

1 Compte rendu réunion HOST du 21 juin 2013, Lille Thème abordé Items concernés Tâches Finances Dépenses des budgets avant la fin du projet : Relevé de dépenses à remplir - CDD à embaucher et à envoyer au responsable - Conférences et autres du projet selon modèle disponible sur Redmine Accord de consortium Compte rendu T0+6 Compte rendu T0+18 Réunion du 21 juin : - Jalons, résultats, dépenses, emplois, publications. - Difficultés à relever surtout en terme de disponibilité des données A faire Tous Jean-Marie Mise en forme selon modèle fourni par l'anr - Chaque partenaire doit écrire un rapport sur son activité et l'envoyer à Jean- Marie. - Jean-Marie fait la synthèse et envoie au reste des partenaires pour modification et ajout. Site Web Envoyer les contenus à Wided de l'ecole Centrale de Lille pour l'alimentation du site web : wided.chandoul@eclille.fr Faire des suggestions pour rendre le site web plus attractif et plus ergonomiques. Mise à jour des publications et des compte rendus Partenaires concernés Responsable Deadline Remarque Tous Jean-Marie 31/08/2013 Tous Tous Tous Jean-Marie Jean-Marie Wided Chandoul 10/07/ /07/2013 Document de synthèse entre tous les partenaires et non pas un patchwork de rapports 01/08/2013 Document de synthèse entre tous les partenaires et non pas un patchwork de rapports

2 Réunion ANR 19/09/ h00 à Paris Déroulement de la réunion : - Présentation du projet 30mins mins de discussion avec des experts - Un représentant par partenaire impératif - Réunion de préparation à programmer. - Doodle et lien à envoyer aux partenaires. Tous Jean-Marie 30/06/2013 S'organiser entre lillois pour prendre le même train. Analyse de l'activité et facteurs humains Indicateurs de tension Analyse du terrain : - Analyse de l'activité - Gestion des pics de l'activité : Anticipation, Réaction. - Indicateurs validés par le personnel. Observations à venir : - Confronter les données avec le terrain. - Interroger la qualité des indicateurs retenus. Données : - Type de saisie : Papier, Informatique. - Informations échangées : Prise d'informations, Communication d'informations. Définition de la tension par HOST. Indicateurs retenus. Indicateurs : Etat de l'art. Problèmes ou remarques : - Problème de qualité de données : les données concernant le nombre de lits dans les services en aval. - Pour la partie "données recueillies sur le type de saisie" : il faut redéfinir les intervalles de temps : 30 mins est un seuil élevé. Prendre en compte plusieurs intervalles de 5 mins par exemple et redéfinir le seuil secondairement. - Rapport sur l'analyse de l'activité à mettre en ligne. - Validation du travail par les - Clusterisation des patients par maladies : ex: bronchiolites, bronchites, - Améliorer l'affichage des résultats : guide du choix des graphiques à mettre en ligne. EvaLab CERIM Sylvain Hassel Jean-Marie TEMPO : Guide du choix des graphiques 15/07/2013

3 Données médicales Resurgences vs URAQUAL - Modèle de données absents. - Format de données complexe. - Problème d'exploitation des données. URQUAL - Structure de données simpliste et difficile à agréger. - Export inutilisable. Resurgences - Status Board : en amélioration par rapport aux profils des patients : vu, en attente d examen, etc. - Statistiques : très pauvres, résultats faux. - Structure : absence de modèle de données. Tâches réalisées : - Export INVS (RPU) mais pauvre en temps intermédiaire. - Export Résurgences : Financement de HM avec l éditeur du logiciel. - Préciser les données à exporter : Travail collaboratif entre EvaLab, CERIM et DSI, CERIM, EvaLab, Cliniciens Annick Pigot 30/07/2013 Chef de projet DSI-Recherche en cours de proposition à l hôpital En cas d'impossibilité de travailler avec l'éditeur on peut créer deux fichiers spam dans le système et qui nous permetteront de tracer les données dont a besoin dans la base de données. Extraction et intégration des données Savoir-faire en extraction de données du SI hospitalier. Manque d'autorisations pour l'extraction et l'exploitation des données. Données sur le personnel difficile à obtenir : en ce qui concerne le personnel médical les fluctuations sont très limitées. Indicateurs déduits de prise de vue : "Crowd Counting Software". - Etudier la possibilité d'utiliser les données dont dispose déjà Alicante pour le projet HOST. - Acquisition d'une caméra et autorisations nécessaires pour faire un test avec le "Crowd Counting Software". - Volet organisationnel : HOST est passé au COSI de façon globale. Il faut préciser les connecteurs au SI hospitalier nécessaires pour le projet et repasser au COSI. Alicante, DSI David Delrue Consentement des patients : Depuis 2011, les données des patients peuvenet être utilisées à des fins de recherche.

4 Modélisation mathématique des indicateurs de tension et base règles Action Etape 1 * 10 indicateurs sur 21 retenus. * Durée passée aux urgences ne reflètent pas la gravité du cas. * Patients arrivés avec SAMU : arrivées SAMU Primaires et secondaires : 2 populations différentes à prendre en compte. - Etape 2 - Modélisation mathématique des indicateurs de tension - Publications de l'équipe TEMPO à envoyer et à mettre sur le Site Web. TEMPO Farid Action Contrôle de la validation des données : ex: Si (CCMU = 1 et prescription d'examens complémentaires) = erreur de codage. Action 2.1 : base de règles - Définition de la tension : à faire avec les - Définition des seuils : à faire avec les - Définition des facteurs limitant : à prendre en compte : * Ressources d accueil limitées. * Nombre d infirmières par médecin limité et donc on ne peut pas augmenter le nombre de médecin sans infirmières.

5 Optimisation dynamique des flux de patients et de ressources humaines d'un hôpital en période d'infections épidémiques Modèle d optimisation Minimiser tempsattentetotal sous contraintes Flux de charge - Nombre de nouvelles arrivées - Nombre de patients présents - Nombre de patients de HCD - Tâches administratives Rq : Nombre de patients présents au SU est plus stable que nombre d arrivées Coopérer avec l'ecole Centrale de Lille pour alimenter leur système avec les résultats de l'action 1.6: Structuration et découverte d'indicateurs via fouille des données et apprentissage statistique menée par l'ecole des Mines de St-Etienne. Ecole des Mines de St-Etienne Ecole Centrale de Lille Omar L'Ecole des Mines de St-Etienne a établi des contacts avec l'invs et a la possibilité d'obtenir les données provenant des réseaux sentinelles. Anticipation de la tension Modélisation et Simulation à l aide de l outil Workflow : cas du parcours patient au sein des Urgences Pédiatriques Anticipation de la tension - Absence de consensus autour de la définition de tension - Système existant Industriel : ED-Forecast Approche : - Ajout de paramètres externes : temps, périodes d épidémie, vacances, traitement flou. - Historique 2011 : Prévision Prévision faite sur un seul indicateur. Logiciel Bonita Soft Coopération Ecole des Mines - Ecole Centrale de Lille pour la partie data mining et logique floue : - Facteurs externes : corrélation entre ces facteurs et associations statistiques. - Prédiction sur 1h ou 1j : les cliniciens préfèrent la prédiction sur 1 heure car cela permet de mobiliser du personnel interne. Mesure du flux de charge en activité de soins : - Meilleur critère pour les - Cinétique du taux d'occupation. Ecole Centrale de Lille Ecole des Mines de St-Etienne Ecole Centrale de Lille Wided Chandoul Hayfa Zgaya

6 Timeline des tâches à venir

7 Extraction des données médicales Les problèmes soulevés par Annick Pigot concernant les données médicales et leur extraction nous laissent proposer deux solutions. Solution 1 : Extraction par l éditeur du logiciel. Cette étape doit être précédée par un travail minutieux avec les cliniciens pour définir les données à extraire. Solution 2 : Création de dossier fictifs La création dans le logiciel Résurgences de deux dossiers fictifs avec des codes uniques ou des données improbables dans la mesure du possible (ex : une date de naissance de 01/01/1900) qu on pourra pister par la suite dans la base de données peut nous permettre de rétro-concevoir le modèle de données ou du moins une partie et ainsi extraire les données qui nous intéressent.

8 Définition des besoins L analyse de l activité sur le terrain effectuée par Sylvain Hassler nous permettra de savoir quels sont les types de données saisies dans le logiciel Résurgences. Des photos de l interface du logiciel Résurgences doivent être prises à chaque fois avec annotation des champs remplis. Cet ensemble de données nous permettra avec l aide des cliniciens de préciser nos besoins. Création des dossiers fictifs L analyse des photos d interface et les données d annotation nous permettra de créer les dossiers fictifs avec des codes préalablement enregistrés. Extraction brute des données Résurgences Le traçage des données fictives nous permettra de localiser les données intéressantes dans la base de données et de les extraire.