Notice bibliographique
Résumé
Au Québec, la Durée Moyenne de Séjour (DMS) des patients dans les départements d’urgence dépasse 16 heures; une situation inacceptable par les patients, les équipes médicales et les administrateurs des hôpitaux. Ce phénomène d’encombrement des urgences est attribuable à divers facteurs souvent externes à ces départements. Afin de réduire le DMS aux urgences, cette thèse propose quatre contributions majeures. La première contribution consiste dans le développement de modèles de prévision des demandes de soins et d’hospitalisation selon un regroupement des patients par Catégories Majeures de Diagnostique (CMD). La deuxième contribution est la définition d’une nomenclature stochastique selon un regroupement des patients. Cette nomenclature permet de convertir la demande de soin dès l’étape de triage en besoin de ressources nécessaires pour répondre à cette demande. La troisième et la quatrième contribution sont l’analyse de l’effet du concept des cellules dynamiques appliqué aux salles d’examen et du Fast Track externe sur des indicateurs de performance du département d’urgence. Cette analyse utilise la modélisation simulatoire conjointement à des plans d’expérience. Cette thèse a contribué à l’avancement de la recherche par deux articles de revue avec comité de lecture et deux présentations de conférence avec comité de lecture. \n \nIn Quebec, the average length of stay of patients in emergency departments exceeds 16 hours; an unacceptable situation for patients, medical teams and hospital \nadministrators. This situation of overcrowding in emergency departments is attributed to various factors often external to these departments. In order to reduce the Length of stay in emergency departments, this thesis proposes four major innovations. The first innovation consists in the development of models for forecasting the emergency department visits and hospitalization according to a grouping of patients by Major Category of Diagnostic. The second innovation is the definition of a stochastic Bill Of Resources according to a grouping of patients. This Bill Of Resources converts the demand for care at the triage stage into a need of the resources necessary to \nmeet the demand of care. The third and fourth innovation is the analysis of the effect of the dynamic cell concept applied to examination rooms and the external Fast Track on emergency department performance indicators. This analysis uses simulation tools in conjunction with experimental designs. This thesis contributed to the advancement of the research by two refereed journal articles and two refereed conference presentations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,013 | 0,016 |
| Communication savante | 0,019 | 0,010 |
| Science ouverte | 0,002 | 0,017 |
| Intégrité de la recherche | 0,007 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,005 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».