LA COMMUNAUTÉ HOSPITALIÈRE DE TERRITOIRE : APPLICATION À L IMAGERIE MÉDICALE

Transcription

1 LA COMMUNAUTÉ HOSPITALIÈRE DE TERRITOIRE : APPLICATION À L IMAGERIE MÉDICALE Doctorante en 2 ème année Directeurs : Michel GOURGAND et Nathalie GRANGEON Université Blaise Pascal Clermont-Ferrand LIMOS CNRS UMR 6158

2 SOMMAIRE PERICLES 1. Contexte 2. Problématique 3. Etat de l art 4. Modélisation 5. Méthode approchée 6. Mise en œuvre et résultat 7. Conclusion et perspectives 2

3 PERICLES PROGRAMME D'ETUDES ET DE RECHERCHE EN INFORMATIQUE : COLLABORATIONS ENTRE LABORATOIRES ET ETABLISSEMENTS DE SANTÉ

4 A l initiative de l AP-HM et suite aux travaux réalisés à Clermont-Ferrand, une convention-cadre de partenariat inter-établissements en informatique, systèmes d information et organisation a été signée en avril Centres Hospitaliers Universitaires Laboratoires de Recherche Assistance Publique Hôpitaux de Marseille Marseille LSIS CNRS - UMR 7296 CHU de Montpellier Montpellier LIRMM CNRS - UMR 5506 CHU de Clermont-Ferrand Clermont-Ferrand LIMOS CNRS - UMR

5 Cette convention-cadre de partenariat inter-établissements s inscrit dans la volonté de créer un partenariat entre les Centres Hospitaliers Régionaux Universitaires de Marseille, Montpellier, Clermont-Ferrand et les laboratoires et universités de ces mêmes secteurs sur les domaines de l informatique, des systèmes d information et de l organisation ; consiste à identifier les problématiques communes et spécifiques aux établissements hospitaliers en termes d informatique, de systèmes d information et d organisation en vue de mutualiser les compétences des partenaires afin d apporter des éléments de réponse à ces problématiques par le biais, notamment, de stages et de thèses ; est ouverte aux échanges et partenariats avec d autres structures et établissements. Moyens : Financement de thèses par les CHUs et/ou les laboratoires Principe : Co-encadrement des thèses par les trois laboratoires et par les personnels des établissements hospitaliers 5

6 Mise en place d un comité de pilotage Création de cinq groupes de travail : GT1 : Circuit du médicament GT2 : Systèmes d information et pilotage GT3 : Plateau médico-technique GT4 : Filières de soins et réseaux de soins GT5 : Logistique Thèses PERICLES en cours au 1 er septembre 2012 : - Circuit du médicament (1 thèse Clermont 1 thèse Marseille ) - Informatique décisionnelle (1 thèse Marseille) - Logistique (1 thèse Marseille) - Modélisation des processus pour le PMSI (1 thèse Clermont) - Planification et ordonnancement des blocs (1 thèse Clermont) 6 6

7 Thèses PERICLES Jean-Christophe Jourdy Etablissement d inscription : Université Blaise Pascal (Clermont-Ferrand), Octobre 2011 Encadrement : Michel Gourgand (LIMOS), Michel Schneider (LIMOS) Financement : Jean-Christophe Jourdy est médecin au CHU de Clermont-Ferrand Modélisation des flux de l information médico-économique permettant d aboutir à un processus décisionnel Renaud Anglès Etablissement d inscription : Université Paul Cézanne (Marseille) Encadrement : Corinne Cauvet (LSIS), Michelle Chabrol (LIMOS), Philippe Ramadour (LSIS), Sophie Rodier (AP-HM) Financement : AP-HM Date d inscription : Janvier 2012 Modélisation, Structuration et Opérationnalisation de processus métier : Application au Circuit du médicament Lama El Sarraj Etablissement d inscription : Université Paul Cézanne (Marseille) Encadrement : Bernard Espinasse (LSIS), Thérèse Libourel (LIRMM), Sophie Rodier (AP-HM) Financement : AP-HM Date d inscription : Novembre 2010 Aide à la décision autour d un entrepôt de données de santé 7 7

8 Nathalie Klement Etablissement d inscription : Université Blaise Pascal (Clermont-Ferrand), Octobre 2011 Encadrement : Michel Gourgand (LIMOS) Financement : Contrat LIMOS Dimensionnement, planification, ordonnancement et organisation des réseaux de soin Quentin Laval Etablissement d inscription : Université Aix Marseille Encadrement : Bernard Espinasse(LSIS), Alain Ferrarini (LSIS), Sylvie Norre (LIMOS), Sophie Rodier (AP-HM) Financement : AP-HM Date d inscription : Septembre 2012 Modélisation et optimisation d une plate-forme logistique hospitalière Johan Royer Etablissement d inscription : Université Blaise Pascal (Clermont-Ferrand), Novembre 2011 Encadrement : Bernard Aleksy (CHU Clermont), Michelle Chabrol (LIMOS), Jean-Luc Paris (LIMOS), Philippe Ramadour (LSIS) Financement : CHU de Clermont-Ferrand Méthodologie de modélisation du circuit du médicament 8 8

9 Thèses encadrées ou co-encadrées par des membres de PERICLES (hors convention cadre) Bushra Bashir Etablissement d inscription : Université Blaise Pascal (Clermont-Ferrand), septembre 2009 Encadrement : Christophe Caux (LIMOS), Michelle Chabrol (LIMOS) Financement : SFERE Modèle générique des réseaux de soins. Application à l HAD Niccolo Curatolo Etablissement d inscription : ENSAM (Paris), novembre 2011 Encadrement : Michelle Chabrol (LIMOS), Jean-Charles Huet (EPMI), Samir Lamouri (LCPI), André Rieutord (AP-HP) Financement : Niccolo Curatolo est pharmacien à l AP-HP Proposition d'une méthodologie de réingénierie par la modélisation de processus métier : application aux développements des soins pharmaceutiques dans un hôpital 9 9

10 Marc-Olivier Jaffré Etablissement d inscription : Université de Technologie de Compiègne, janvier 2012 Encadrement : Michel Gourgand (LIMOS), François Langevin (UTC), Philippe Marin (EHESP) Financement : Marc-Olivier est ingénieur biomédical au CHU de Castres-Mazamet Modélisation et optimisation des flux de patients et du personnel dans différents services de l hôpital avec analyse de la charge clinique et impact financier Janvier Pensi Etablissement d inscription : Université Blaise Pascal (Clermont-Ferrand), janvier 2012 Encadrement : Michel Gourgand (LIMOS) Financement : Janvier Pensi est enseignant à l IUT de Douala (Cameroun) Planification et maintenance des blocs opératoires. Application au Cameroun Nizar Triki Etablissement d inscription : Université Blaise Pascal (Clermont-Ferrand), janvier 2012 Encadrement : Michel Gourgand (LIMOS), Xiolan Xie (LIMOS/Ecole des Mines de Saint-Etienne) Financement : Allocation de recherche financée par Labex IMobS3 Planification des soins à domicile 10 10

11 Présentations de PERICLES Article Techniques Hospitalières septembre 2011 HOPITECH octobre 2011 Bordeaux Arts et Métiers novembre 2011 Paris CHU (DG, CME) mars 2012 Clermont-Ferrand GdR MACS mars 2012 Albi Institut du Management de l EHESP avril 2012 Paris GISEH août 2012 Québec Candidatures acceptées par le comité de pilotage de PERICLES Lyon : Hospices Civils de Lyon et Laboratoire DISP, INSA de Lyon (Alain Guinet) Paris : Hôpital Antoine-Béclère de Clamart et Laboratoire MOS@iC, ENSAM Paris (Samir Lamouri) 11

12 1. CONTEXTE HOSPITALIER Equipements médicaux non utilisés à bon escient : Sur-occupation Sous-occupation Nécessité d un équilibrage de la charge Sites équipés différemment Augmentation du nombre d examens Mutualisation des ressources 12

13 1. LA COMMUNAUTÉ HOSPITALIÈRE DE TERRITOIRE H 2 - IRM/RADIO H 3 - SCAN - RH H 1 - SCAN/IRM - RH H 5 - RADIO H 4 - RADIO/IRM - RH Patient 13

14 1. DE PLUS EN PLUS CITÉE «L objectif est bien la mise en complémentarité des acteurs pour une meilleure prise en charge des patients, ainsi qu une meilleure performance des établissements et une allocation des ressources optimale.» CNEH (Centre National d Expertise Hospitalière) : «Les Communautés Hospitalières de Territoire sont une proposition innovante de mise en commun des compétences et des moyens des hôpitaux d un même territoire afin d améliorer leur efficacité.» «Une organisation en filières de soins est la seule garante d une gestion budgétaire efficace et d une qualité des soins sans faille préservant les prises en charge de proximité.» «Les actions de coopération, de mutualisation et de mise en réseau des établissements publics de santé de proximité peuvent seules répondre à la mission de service public et offrir un cadre organisationnel viable.» IRDES (Institut de Recherche et Documentation en Economie de Santé) : «Les CHT : Communautés Hospitalières Territoriales entre établissements publics de santé, peuvent conclure une convention pour mettre en œuvre une stratégie commune et gérer en commun certaines fonctions et activités grâce à des délégations ou des transferts de compétence et à la télémédecine.» «La Communauté Hospitalière de Territoire (CHT) est une innovation de la loi Hôpital, Patients, Santé, Territoires (HPST). Sa finalité est la recherche de la meilleure allocation des ressources, la complémentarité entre les acteurs et une meilleure performance des établissements. Elle permet aux établissements publics de santé de conclure une convention afin de mettre en œuvre une stratégie commune et de gérer en commun certaines fonctions.» 14

15 1. UN PROBLÈME ACTUEL 15

16 1. UN PROBLÈME ACTUEL Exemples récents : Castres-Mazamet (VHPMT : Volet Hospitalier du Projet Médical de Territoire) Projet Médical du CHRU de Brest pour l'ouest de la Bretagne CHT du Centre-Nord Drôme (2500 lits) C.H.T. 36 : Communauté Hospitalière de Territoire de l Indre 16

17 1. UN PROBLÈME ACTUEL EHPAD de Clion Centre Hospitalier de Châtillon-sur-Indre Centre Hospitalier de Buzançais EHPAD de Mézièreen-Brenne Centre Hospitalier du Blanc EHPAD d Argentonsur-Creuse Centre Hospitalier de Châteauroux 17

18 1. UN PROBLÈME ACTUEL «Les bénéfices directs attendus consistent à faciliter l accès à des soins performants dans le respect des tarifs remboursables et en un partage de compétences, d expertises et de technologies au sein des équipes médicales, contribuant ainsi au maintien et à l amélioration de la qualité des soins sur le territoire.» «Assurer une offre de soins de proximité et de qualité au service de la population.» «L amélioration des flux de patients notamment en favorisant la lisibilité de l offre de soins, en renforçant les offres de proximité sur le territoire et en complétant les filières existantes. La mutualisation en matière logistique des moyens respectifs matériels et humains de chaque établissement dans un objectif d économie d échelle et de développement durable.» «Améliorer la prise en charge médicale et soignante des patients» 18

19 1. DANS LE PUY-DE-DÔME (3032 LITS ET PLACES) Centre Hospitalier Étienne-Clémentel d Enval Hôpital Local du Mont- Dore et syndicat interhospitalier Le Mont- Dore-Tauves Centre Hospitalier Guy- Thomas de Riom Centre Hospitalier Paul-Ardier d Issoire Centre Hospitalier Universitaire de Clermont- Ferrand Hôpital Local de Billom «Volonté de mise en commun des ressources pour, par exemple, assurer la permanence des soins.» «Mise en place et développement de scanners au plus près des patients, aux CH de Riom et d Issoire, grâce à une équipe construite autour de professionnels qui réalisent des temps partagés entre ces établissements et le CHU.» 19

20 1. UN PROBLÈME ACTUEL La CHT est maintenant un projet officiel et imposé, il ne manque que les outils pour anticiper et prévoir sa mise en place 20

21 2. PROBLÉMATIQUE APPLICATION A DEUX ÉCHELLES Imagerie médicale Blocs opératoires Première étude, puis généralisation pour les blocs. Plus complexe dans la composition des équipes. 21

22 2. PROBLÉMATIQUE 1 patient nécessite 1 type de machine Liste de sites : S 1 S 2 S S 1 machine est d 1 certain type Liste de machines : M 1 M 2 M m 1 machine appartient à 1 site Types de machines : 1 2 L 1 type d opérateur travaille sur 1 ou plusieurs types de machines Types d opérateurs : 1 2 K PLANNING 1 opérateur est d 1 certain type Liste d opérateurs : R 1 R 2 R r Liste de patients : P 1 P 2 P p 22

23 2. PROBLÉMATIQUE Création de deux plannings : Un planning d ordonnancement des patients sur les sites Un planning d affectation des ressources humaines aux examens Fonction des machines présentes sur chaque site, et des compétences de chaque ressource humaine. 23

24 2. CONTRAINTES Respect de la présence de machines sur les sites Respect des compétences des ressources humaines 1 examen = 2 ressources (humaine + matérielle) Notion de délai Respect des temps : Temps de travail humain Temps d ouverture matériel 24

25 2. OBJECTIF Etablir un ordonnancement des examens sur chaque site avec affectation des opérateurs afin de : Minimiser le temps d attente des patients Maximiser et homogénéiser le taux d occupation des ressources Minimiser les déplacements Réduction de coûts Augmentation de la satisfaction Problème multicritère, difficile à traiter Outil d aide à la décision ouvert, modulaire, adaptable à plusieurs/différents critères 25

26 3. ETAT DE L ART Problèmes d ordonnancement des patients et d affectation des ressources RCPSP Thèse de Corinne Boutevin, «Problèmes d ordonnancement et d affectation avec contraintes de ressources de type RCPSP et line balancing», 2003 Problème d ouvertures et de fermeture des sites en fonction de la demande Thèse de Florence Pirard, «Une démarche hybride d aide à la décision et la planification stratégique des réseaux logistiques des entreprises multi-sites», 2005 Machines parallèles avec affectation de ressources 26

27 4. MODÉLISATION : ENTITÉS ET RESSOURCES Entités : Patients Un examen à effectuer Date limite Site de référence Ressources : Ressources humaines Mobilité entre les différents sites Liste de compétences types Ressources matérielles Sites, distance entre deux connue Machines d un certain type Plusieurs machines par site 27

28 4. MODÉLISATION : OBJECTIF ET HYPOTHÈSES Objectif : Affectation machine opérateur patient Hypothèses simplificatrices Temps d ouverture des sites / machines et temps de travail des ressources humaines IDENTIQUES Toutes les ressources disponibles en permanence (ni pannes ni maintenance) Tous les patients disponibles en permanence 28

29 4. MODÉLISATION : CRITÈRES Minimiser la date de sortie du dernier patient : Cmax Privilégier le site de référence de chaque patient Minimiser les temps de déplacements : Des patients Des ressources humaines Minimiser les heures supplémentaires : Travail des ressources humaines Ouverture de sites Utilisation de machines Maximiser les taux d occupation 29

30 4. MODÉLISATION : Modèle non linéaire : résolution conjointe de deux problèmes liés - Ordonnancement des patients - Affectation des ressources humaines Taille du problème importante Méthode de résolution approchée 30

31 5. MÉTAHEURISTIQUE Couplage entre les deux problèmes Affectation patient / machine Méthode Tabou Affectation opérateur / machine Heuristique 31

32 5. MÉTAHEURISTIQUE MÉTHODE TABOU x z y Métaheuristique déterministe Prendre le meilleur voisin dans V(x) y Mais possible apparition de cycles (le meilleur voisin de y est z et le meilleur voisin de z est y) Liste de valeurs interdites Petit nombre de valeurs (déterminé par l expérience) 32 Ω

33 5. MÉTAHEURISTIQUE Codage des solutions : Tableau d affectation machine / patient Patient N Machine M1 M3 M1 M2 Système de voisinage Test de toutes les machines de la liste Tabou compatibles avec les patients 33

34 5.1. MÉTAHEURISTIQUE ALGORITHME DE PRINCIPE Affectation des patients : // Initialisation des lieux Pour tous les patients Si possible, associer une machine du site de référence Sinon, associer la première machine compatible Fin pour M1 M2 M3 S1 X - - Pati ent Site de référ ence Type de mach ine S2 X X X S3 - X - Pati ent Type de mach ine Site assoc ié A S1 M1 A M1 S1 B S2 M1 C S3 M2 D S1 M2 E S2 M3 Vérification de la bonne présence des machines sur les sites B M1 S2 C M2 S2 D M2 S3 E M3 S2 34

35 5.1. MÉTAHEURISTIQUE ALGORITHME DE PRINCIPE Affectation des patients : Pour un nombre d itérations donné // Itération du problème Pour toutes les machines non taboues Pour tous les patients non affectés nécessitant ce type de machine Affecter le patient Calculer l affectation des opérateurs et la planification //Appel de l heuristique Si meilleure solution, mise à jour Fin pour Fin pour Si la nouvelle solution est meilleure, l ajouter à la liste taboue pendant un nombre d itérations donné Fin si Sauvegarder la nouvelle configuration Fin pour M1 A B Affectation de A Heuristique Solution 1 Affectation de B Heuristique Solution 2 Meilleure solution M2 C D Affectation de C Heuristique Solution 3 Affectation de D Heuristique Solution 4 Meilleure solution Liste Tabou 35

36 5.2. HEURISTIQUE ALGORITHME DE PRINCIPE E4 Affectation des opérateurs et planification des tâches : Tant que tous les examens ne sont pas affectés // Pour un jour donné Tri des machines selon ordre de priorité // Affectation ressource humaine // Traitement en priorité des examens urgents Association de la ressource humaine la moins allouée à cette machine Pour tous les examens à faire sur cette machine Si possible, ajout du temps de l examen à la ressource humaine Fin pour // Planification des examens Pour toutes les machines Pour toutes les opérations Affectation de l opération et mise à jour des temps (j ou j+1) Fin pour tout Fin pour tout Fin tant que 36 M1 M2 M3 RH1 E1 E2 E3

37 6. MISE EN ŒUVRE ET RÉSULTATS Programmation en Java Test sur 1000 itérations Plusieurs influences analysées : Le nombre d opérateurs Le type des opérateurs CHT composée de 3 ou 4 sites En général, 100 patients 37

38 6. INFLUENCE DU NOMBRE D OPÉRATEURS Nombre d opérateurs Spécialisation des hôpitaux Spécialisation des opérateurs Cmax Spécialisés 758,6 Polyvalents 768,8 Spécialisés Spécialisés 556,7 Polyvalents 524,1 Polyvalents Spécialisés 560,4 Polyvalents 523,4 Spécialisés Spécialisés 400,5 Polyvalents 400,3 Polyvalents Spécialisés 392 Polyvalents 390,7 Cmax Diminution du Cmax avec l augmentation du nombre d opérateurs 4 opérateurs opérateurs 9 opérateurs

39 6. INFLUENCE DU NOMBRE D OPÉRATEURS Nombre d opérateurs Spécialisation des hôpitaux Spécialisation des opérateurs Cmax Spécialisés 758,6 Polyvalents 768,8 Spécialisés Spécialisés 556,7 Polyvalents 524,1 Polyvalents Spécialisés 560,4 Polyvalents 523,4 Spécialisés Spécialisés 400,5 Polyvalents 400,3 Polyvalents Spécialisés 392 Polyvalents 390,7 Cmax Opérateurs spécialisés Opérateurs polyvalents Diminution du Cmax avec la polyvalence des opérateurs 6 opérateurs

40 6. INFLUENCE DU NOMBRE D OPÉRATEURS Nombre d opérateurs Spécialisation des hôpitaux Spécialisation des opérateurs Cmax Spécialisés 758,6 Polyvalents 768,8 Spécialisés Spécialisés 556,7 Polyvalents 524,1 Polyvalents Spécialisés 560,4 Polyvalents 523,4 Spécialisés Spécialisés 400,5 Polyvalents 400,3 Polyvalents Spécialisés 392 Polyvalents 390,7 Cmax Meilleur Cmax pour des hôpitaux spécialisés. Seulement 4 opérateurs dont 3 spécialisés et 1 polyvalent. Peu de déplacement d opérateurs si chaque opérateur spécialisé est d office affecté à un hôpital spécialisé. 4 opérateurs Hôpitaux spécialisés Hôpitaux polyvalents

41 6. INFLUENCE DU NOMBRE D OPÉRATEURS Nombre d opérateurs Spécialisation des hôpitaux Spécialisation des opérateurs Cmax Spécialisés 758,6 Polyvalents 768,8 Spécialisés Spécialisés 556,7 Polyvalents 524,1 Polyvalents Spécialisés 560,4 Polyvalents 523,4 Spécialisés Spécialisés 400,5 Polyvalents 400,3 Polyvalents Spécialisés 392 Polyvalents 390,7 Cmax Meilleur résultat pour des opérateurs polyvalents car beaucoup d opérateurs. Ainsi même si les opérateurs ne sont pas polyvalents, ils ont plus de possibilités de rester dans le même hôpital donc réduction des temps perdus en déplacement. Hôpitaux polyvalents Hôpitaux spécialisés 9 opérateurs

42 6. INFLUENCE DU NOMBRE D OPÉRATEURS D une façon générale : diminution du Cmax avec l augmentation du nombre d opérateurs Meilleur Cmax pour des hôpitaux spécialisés. Seulement 4 opérateurs dont 3 spécialisés et 1 polyvalent. Peu de déplacement d opérateurs si chaque opérateur spécialisé est d office affecté à un hôpital spécialisé. Diminution du Cmax avec la polyvalence des opérateurs Meilleur résultat pour des opérateurs polyvalents car beaucoup d opérateurs. Ainsi même si les opérateurs ne sont pas polyvalents, ils ont plus de possibilités de rester dans le même hôpital donc réduction des temps perdus en déplacement Nombre d opérateurs 42

43 6. INFLUENCE DU TYPE D OPÉRATEURS Nombre d hôpitaux 4 Nombre de patients 100 Nombre d opérateurs 8 Nombre de machines 10 L'introduction d'opérateurs polyvalents améliore le Cmax du système Cmax 1400 Opérateurs spécialisés 6 opérateurs uniquement 3 machines Opérateurs de plus en plus polyvalents opérateurs : opérations Hors Délai 43 0

44 6. AUTRES INFLUENCES Cmax Opérateurs -- Opérateurs Le Cmax varie peu en fonction du nombre d opérateurs, problème borné par le nombre de machines

45 6. AUTRES INFLUENCES Cmax Machines -- Machines Le Cmax varie peu en fonction du nombre d opérateurs, problème borné par le nombre de machines. 2. Meilleur Cmax lorsque l on augmente le nombre de machines. 45

46 6. AUTRES INFLUENCES Cmax Hôpitaux spécialisés Hôpitaux polyvalents 1. Le Cmax varie peu en fonction du nombre d opérateurs, problème borné par le nombre de machines. 2. Meilleur Cmax lorsque l on augmente le nombre de machines. 3. Meilleur Cmax si hôpitaux polyvalents car peu importe les compétences des opérateurs, ils peuvent globalement rester sur le même site. 46

47 6. AUTRES INFLUENCES Cmax Opérateurs spécialisés ou polyvalents : spécialisés pour les deux premiers points puis va de deux en deux. Le Cmax pour des opérateurs polyvalents est légèrement inférieur que pour les spécialisés. 1. Le Cmax varie peu en fonction du nombre d opérateurs, problème borné par le nombre de machines. 2. Meilleur Cmax lorsque l on augmente le nombre de machines. 3. Meilleur Cmax si hôpitaux polyvalents car peu importe les compétences des opérateurs, ils peuvent globalement rester sur le même site. 47

48 6. AUTRES INFLUENCES Cmax patients 50 patients 1. Le Cmax varie peu en fonction du nombre d opérateurs, problème borné par le nombre de machines. 2. Meilleur Cmax lorsque l on augmente le nombre de machines. 3. Meilleur Cmax si hôpitaux polyvalents car peu importe les compétences des opérateurs, ils peuvent globalement rester sur le même site

49 7. CONCLUSION ET PERSPECTIVES Modèle approché ayant fait ses preuves, Plans d expériences : Test des autres critères (fonction objectif) évoqués. Test d autres règles de gestion : Affectation des opérateurs Le premier disponible Le moins utilisé Le plus proche géographiquement Tri des machines Examen le plus urgent (date limite) Examen le plus long 49

50 7. PERSPECTIVES Contraintes d affectation des opérateurs. Définir une pré affectation des opérateurs afin de limiter la multiplicité des déplacements. Un opérateur reste sur le même site toute la durée d une demijournée. Ordre des déplacements à gérer. C Privilégier le trajet ACB à ABC A B 50

51 Travaux présentés lors du comité de pilotage de PERICLES le 27 septembre 2012 devant : Bernard ALEKSY, ingénieur en organisation au CHU de Clermont-Ferrand Casimir BOYER, DSI au CHU de Clermont- Ferrand Olivier PONTIES, DSI à l AP-HM Sophie RODIER, chef de service en organisation à l AP-HM 51

52 MERCI POUR VOTRE ATTENTION Contact : Mail : klement@isima.fr Téléphone :