Description : Avec environ 120 000 personnes atteintes chaque année, 12 000 décès suite à la première
crise et 18 000 décès après une année, l'infarctus du myocarde est un enjeu majeur
de santé publique. Cette pathologie nécessite une hospitalisation et une prise en
charge dans une unité de soins intensifs de cardiologie. Pour étudier cette pathologie,
nous nous sommes orientés vers les bases hospitalières du PMSI.La collecte des données
hospitalières dans le cadre du PMSI génère sur le plan national des bases de données
de l'ordre de 25 millions d'enregistrements par an.Ces données, qui sont initialement
recueillies à des fins médico-économiques, contiennent des informations qui peuvent
avoir d'autres finalités : amélioration de la prise en charge du patient, prédiction
de l'évolution des soins, planification de leurs coûts, etc.Ainsi émerge un autre
enjeu : celui de fournir des outils d'explorations des trajectoires hospitalières
des patients à partir des données issues du PMSI. Par le biais de plusieurs objectifs,
les travaux menés dans le cadre de cette thèse ont pour vocation de proposer des outils
combinant des méthodes issues de trois disciplines : informatique médicale, fouille
de données et biostatistique.Nous apportons quatre contributions.La première contribution
concerne la constitution d'une base de données de qualité pour analyser les trajectoires
de patients. La deuxième contribution est une méthode semi-automatique pour la revue
systématique de la littérature. Cette partie des travaux délimite les contours du
concept de trajectoire dans le domaine biomédical. La troisième contribution est l'identification
des parcours à risque dans la prédiction du décès intra-hospitalier. Notre stratégie
de recherche s'articule en deux phases : 1) Identification de trajectoires types de
patients à l'aide d'outils issus de la fouille de données ; 2) Construction d'un modèle
de prédiction à partir de ces trajectoires afin de prédire le décès. Enfin, la dernière
contribution est la caractérisation des flux de patients à travers les différents
évènements hospitaliers mais aussi en termes de délais d'occurrences et de coûts de
ces évènements. Dans cette partie, nous proposons à nouveau une alliance entre une
méthode de fouille de données et de classification de données longitudinales.;