Modèles statistiques pour les systèmes d'aide à la décision basés sur la réutilisation des données massives en santé : application à la surveillance syndromique en santé publique

Depuis plusieurs annees, la notion de Big Data s'est largement developpee. Afin d'analyser et explorer toutes ces donnees, il a ete necessaire de concevoir de nouvelles methodes et de nouvelles technologies. Aujourd'hui, le Big Data existe egalement dans le domaine de la sante. Les hopitaux en particulier, participent a la production de donnees grâce a l'adoption du dossier patient electronique. L'objectif de cette these a ete de developper des methodes statistiques reutilisant ces donnees afin de participer a la surveillance syndromique et d'apporter une aide a la decision. Cette etude comporte 4 axes majeurs. Tout d'abord, nous avons montre que les donnees massives hospitalieres etaient tres correlees aux signaux des reseaux de surveillance traditionnels. Dans un second temps, nous avons etabli que les donnees hospitalieres permettaient d'obtenir des estimations en temps reel plus precises que les donnees du web, et que les modeles SVM et Elastic Net avaient des performances comparables. Puis, nous avons applique des methodes developpees aux Etats-Unis reutilisant les donnees hospitalieres, les donnees du web (Google et Twitter) et les donnees climatiques afin de prevoir a 2 semaines les taux d'incidence grippaux de toutes les regions francaises. Enfin, les methodes developpees ont ete appliquees a la prevision a 3 semaines des cas de gastro-enterite au niveau national, regional, et hospitalier.