Les travaux de thèse ont été réalisés dans le cadre d'une convention de cotutelle entre l'Ecole des Mines de Saint-Étienne et CHU de Saint Etienne. L’objectif principal de cette thèse est de développer une série de méthodologies basées sur des techniques d’optimisation, d’apprentissage automatique et de fouille de données. Ces méthodes sont ensuite appliquées dans le contexte du PMSI (i.e., Programme de Médicalisation des Systèmes d’Information) pour répondre au problème de mauvais codage hospitalier. Une série d’approches d’optimisation guidées par les données est développée pour identifier les comportements de mauvais codage hospitalier, les analyser, les modéliser et les corriger afin d’améliorer l’efficacité opérationnelle du CHU de Saint Etienne (CHU-SE). Cette thèse met un accent particulier sur la transparence et l’interprétabilité des modèles car ce sont des éléments critiques pour garantir l’équité des applications développées. Une évaluation des approches proposées et une analyse des avantages des approches d’optimisation sont réalisées. Les résultats expérimentaux montrent que les approches proposées sont capables de diminuer le taux de mauvais codage dans les hôpitaux sans nécessairement augmenter la charge de travail du personnel de codage médical dans l’hôpital. Les résultats sont prometteurs et révèlent que des bénéfices potentiels pour toutes les cliniques privées et les hôpitaux publics en France sont réalisables.

 

 

Jury :

JOURDAN Laëtitia, Professeur, Université de Lille, (Rapporteur).

LENCA Philippe, Professeur, IMT Atlantique, (Rapporteur).

VERDIER Christine, Professeur, Université Grenoble Alpes, (Examinateur).

DUCLOS Antoine, Professeur, Université Claude Bernard Lyon 1, (Examinateur).

BOUSQUET Cédric, Doctorant, CHU de Saint-Etienne, (Co-encadrante).

DALMAS Benjamin, Maître-assistant, Mines Saint-Étienne, (Encadrante).

TROMBERT-PAVIOT Béatrice, Professeur, Université Jean Monnet, (Co-directeur de thèse).

XIE Xiaolan, Professeur, Mines Saint-Étienne, (Directeur de thèse).