Description and Optimization of Lung Cancer Patients' Trajectory

Avec la demande croissante de services de santé, il est essentiel d’allouer efficacement les ressources de santé et de minimiser les temps d’attente des patients. Dans cette thèse, nous utiliserons une combinaison d’analyse de données, de théorie des files d’attente et de méthodes de mesure des voies d’accès pour aider les patients atteints de cancer du poumon à recevoir des traitements en temps opportun. Pour illustrer l’efficacité de l’approche proposée, l’étude se concentre sur les patients atteints de cancer du poumon au CHUM de 2017 à 2018. Ce projet commence par l’analyse des données afin d’obtenir des informations précieuses et diverses techniques de prétraitement sont nécessaires pour simplifier le processus de diagnostic. Nous avons utilisé des techniques de Process Mining pour atteindre cet objectif. Il s’agit d’une technique reconnue utilisée pour analyser et visualiser la structure d’un réseau et identifier les goulots d’étranglement. Pour classer les patients en fonction de leurs besoins spécifiques, nous utilisons une méthode de regroupement pour diviser les patients en trois catégories en fonction de l’âge, des complications, du sexe et du stade de la tumeur. Nous étudions également l’utilisation de modèles de files d’attente pour optimiser le flux des patients. Le flux de patients fait référence au parcours d’un patient depuis son entrée à l’hôpital jusqu’à son traitement, ce qui inclut le transfert entre les différentes investigations. En tirant parti de techniques telles que l’Open Jackson Network, nous pouvons modéliser le flux de patients et évaluer l’impact de divers facteurs, tels que le nombre de serveurs, sur l’ensemble du système. En outre, nous considérons le réseau ouvert de Jackson prioritaire au lieu du modèle "premier arrivé, premier servi". Le parcours des patients atteints de cancer du poumon est complexe. La plupart d’entre eux font l’objet d’une enquête, certains reçoivent un traitement, tandis que d’autres quittent tout simplement le système, par exemple parce que leur cancer n’a pas été diagnostiqué. Il est donc difficile d’identifier les processus d’arrivée. Dans le processus de chirurgie, notant que le processus global d’arrivée des patients n’est pas compatible avec le processus de Poisson mais que le processus de départ des différentes investigations est décrit par un processus de Poisson, dans cette thèse, nous supposons que l’intervalle entre les patients avec différentes investigations suit une distribution exponentielle et nous utilisons Markov-modulated Poisson Process (MMPP) pour décrire le processus d’arrivée. Cette méthode a rarement été utilisée dans le contexte du traitement médical, mais elle s’avère être une solution réalisable. En utilisant le modèle MMPP/G/1, il est possible d’analyser le temps d’attente moyen et le nombre moyen de patients dans la file d’attente. Enfin, la mesure de la performance du parcours d’un patient est un autre outil essentiel pour garantir que les patients reçoivent des soins efficaces et en temps voulu. En règle générale, les patients passent beaucoup plus de temps entre les examens qu’à l’intérieur de ceux-ci. Par exemple, dans notre ensemble de données avec le jour comme unité, alors que toutes les investigations se terminent le même jour, les patients attendent souvent plusieurs jours, voire plusieurs semaines, pour l’investigation suivante. Nous pouvons simplifier le cheminement en considérant que l’examen précédent se termine immédiatement lorsque l’examen suivant commence, ignorant ainsi le temps de test. Nous présentons la durée entre deux examens comme une variable aléatoire avec une distribution exponentielle. Pour aider les patients à choisir le parcours optimal et réduire le risque d’erreur de diagnostic, nous utilisons l’optimisation inverse. Dans cette approche, nous déterminons les valeurs des paramètres qui minimisent le coût des parcours des patients dans le cadre de la performance du temps d’attente pour évaluer le risque qui s’accumule avec le temps tout en veillant à ce que les temps d’attente ne dépassent pas une limite de temps spécifiée.