Description : Malgré le développement de la surveillance syndromique et des méthodes modernes d’aide
à la décision, la surveillance des épidémies dans le milieu hospitalier reste généralement
une tâche manuelle. Pourtant, l’utilisation d’algorithmes de détection permettrait
d’améliorer l’efficacité de la surveillance, d’en étendre les contours et de réduire
le temps dévolu à cette tâche. La qualité méthodologique des évaluations publiées
à ce jour est cependant trop faible pour conclure sur l’efficacité réelle de ces outils.
Nous proposons donc dans cette thèse quelques éléments clés d’un cadre méthodologique
suffisant pour la détection précoce, ainsi qu’un premier jeu de données comportant
des événements à risque épidémique étiquetés. Ce jeu de données permettra à tous les
chercheurs de développer, évaluer et comparer des algorithmes de détection. Cependant,
comme l’ont montré les recherches sur les systèmes de surveillance et les outils d’intelligence
artificiel appliquée aux soins, la mise en œuvre de ces nouvelles technologies peut
s’avérer difficile, et les performances observées en vie réelle peuvent être différentes
de celles recueillies lors du développement. Il est donc nécessaire d’inclure d’autres
indicateurs et d’autres types de méthodologie d’évaluation pour mesurer la réelle
utilité de ces outils, en prenant notamment en compte leur acceptabilité, leur facilité
d’utilisation, leurs coûts et leurs impacts sur les pratiques.;