Application d'un modèle de simulation et d'analyse de sensibilité à l'évaluation d'un projet de numérisation des dossiers patients
Bibliographic record
Abstract
Le présent mémoire traite de l'évaluation financière de projets d'investissement publics mutuellement exclusifs dans le domaine de la santé. Il s'agit d'un projet de numérisation des dossiers patients du centre hospitalier de l'université de Sherbrooke (CHUS). La remise en cause de certains modèles et méthodes traditionnels d'évaluation de projets d'investissements tels que l'analyse coûts-bénéfices et la VAN, nous a amené à proposer une démarche d'évaluation financière multifactorielle à l'intérieur d'une même analyse de projet. Cette démarche vise à déterminer un résultat probabiliste, ce qui offre aux gestionnaires la possibilité de prendre des décisions stratégiques optimales en matière d'investissement. Cette démarche est basée sur le modèle traditionnel de la VAN en complémentarité avec l'application des modèles des options réelles et une analyse de sensibilité du projet par la simulation Monte Carlo. La combinaison de ces différentes méthodes permet de prendre en compte d'une part, les fluctuations possibles des différentes variables qui peuvent avoir une influence considérable sur le projet et d'autre part, évaluer les possibilités d'options offertes par les projets. Le présent mémoire est divisé en trois grandes parties dont, la première partie porte sur la recension des écrits dans la littérature financière. La seconde élabore sur la méthodologie utilisée et enfin la dernière partie aborde l'analyse du projet. Concernant le projet de numérisation des dossiers patients, il s'agit d'une extension des travaux débutés par Bahadi (2006), lesquels avaient abouti à cinq scénarios dont deux étaient jugés rentables (le scénario 1 avec une VAN de 3.005.473 $ et le scénario 4 avec une VAN de 88.369$ et un investissement initial de 1.080.000 $). En dépit de ces résultats, les gestionnaires avaient préféré choisir le scénario 4 en procédant à une réévaluation des flux financiers lesquels nous ont été soumis pour une analyse « post-mortem ». ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Évaluation des projets, Valeur actuelle nette, Options réelles, Simulation Monte-Carlo.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.028 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".