La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Evolution des Réseaux Bayésiens pour une contribution à la sûreté de fonctionnement des systèmes de production des organisations de santé. ERPI-INPL Nancy.

Présentations similaires


Présentation au sujet: "Evolution des Réseaux Bayésiens pour une contribution à la sûreté de fonctionnement des systèmes de production des organisations de santé. ERPI-INPL Nancy."— Transcription de la présentation:

1 Evolution des Réseaux Bayésiens pour une contribution à la sûreté de fonctionnement des systèmes de production des organisations de santé. ERPI-INPL Nancy JL Sakanga _ JP Grandhaye _ B Bonan Conférence GISEH 2-4 Septembre

2 Plan 1 Contexte 2 Etude dun processus à risque : la production dinjectable pour des cures de chimiothérapie 3 Utilisation de Réseau Bayésien (RB) par les professionnels avec ses limites 4 Introduction de lapproche orienté objet permettant de repousser ses limites 5 Résultats 6 Conclusion et perspectives 2

3 Contexte des organisations de santé Les processus du circuit de médicaments comportent des risques au niveau du processus mais aussi au niveau (juridiques, réglementaires, …) relativement à lorganisation et au patient. Cest pourquoi leur identification, leur maîtrise et leur anticipation sont capitales. La Haute Autorité de Santé (HAS) propose et incite à utiliser des analyses fonctionnelles et dysfonctionnelles, pour lanalyse de lactivité et la prise en charge des risques. Les méthodes utilisées AMDEC et APR en analyse dysfonctionnelle et la cartographie des processus en étude fonctionnelle. Les limites des méthodes comme lAPR ont été mises en évidence dans des travaux.(Thèse B.Bonan) Marx and Slonim 2003, étudiaient ses limites, en particulier la difficulté à combiner les évènements et les recherches de causes. 3

4 Exemple: Difficulté dexploitation de ses données recueilli par APR Fastidieux (60 pages dans la thèse) peu pratique à exploiter 4

5 Travail sur la production des chimio Étude d'un processus à risque : la production de préparation d'injectable pour des cures de chimiothérapie 5

6 Utilisation de RB par les professionnels pour la modélisation de la production de chimiothérapie manuel à partir de l'APR Variables de contrôles Variables principaux Variables de supports 6

7 7

8 8

9 Les limites Problème de grande taille de tableau de probabilité conditionnelle (TPC) à renseigner; Temps d'exécution longue à cause de la complexité du système. Par exemple, dans ce réseau, pour la variable « étiquetage », nous devons renseigner 768 probabilités. L'un des points faibles du RB est qu'il n'est pas adéquat pour modéliser les systèmes complexes et de grande taille (Wuillemin P-H. And Bangso O. 2000), (Weber P., Jouffe L. 2006) 9

10 Contexte du projet SKOOB Contexte du projet SKOOB 10 SKOOB : Structuring Knowledge with Object Oriented Bayesian nets Partenaires : Quatre acteurs majeurs de la MdR/SdF de systèmes techniques et socio-économiques stratégiques : CHU de Nancy, EDF, INERIS et SOREDAB Trois laboratoires académiques spécialistes des RB et de la MdR/SdF : CRAN, ERPI et LIP6 Un fournisseur de technologie et expertise sur les RB : BAYESIA ERPI intervient comme partenaire applicatif avec les pharmaciens qui préparent la chimiothérapie dans le service de pharmacie de HEGP( Hôpital Européen Georges Pompidou ) thèse de B. BONAN à lECP(École Centrale Paris) et le groupe du réseau Oncolor (réseau de santé rassemblant des professionnels de santé impliqués en cancérologie dans la région lorraine) V. NOIREZ, S. HENN, N. FABIE 10

11 Les approches orientées objets « Object Oriented Bayesian Nets » (OOBN) de D. Koller, L'approche est très intéressante au niveau des propriétés d'héritage, d'encapsulation, mais avec des relations strictement hierachiques elle est peu pertinente pour aborder les incertitudes structurelles. « Multi-Entity Bayesian Networks » (MEBN) de K. Laskey, Approche intéressante au niveau des propriétés incertitude structurelle, également pour les relations n-aires. Mais elle est délicate à aborder. « Probabilistic Relational Model » (PRM) de Freidman, Modèle intéressant au niveau des propriétés d'héritage, d'encapsulation et de l'incertitude structurelle. Intuitive. 11

12 Résultats Différentes modalités dun variable -> Type; Exemples : (a) type typeEtat OK, NOK ; Ceci est la déclaration dun type typeEtat qui prend les modalités OK et NOK. Variable -> classe (b) class Plateau_En_Attente{ Decontamination_flacon_DMS dfd; typeEtat pleat dependson dfd.dfdms{ [ 1.0,0.0, 0.0,1.0 ] }; } Le réseau -> modèle général (c) model UCPC{ // instanciation Reglementation reglementation; Assurance_Qualite AQ; Personnel_Plateau pplateau; Validation validation; 12

13 Enregistrements informatiques 13

14 14

15 Fichier Excel pour lapprentisage 15

16 16 Enregistrements informatiques Lévolution du projet

17 Conclusion et perspective Lutilisation du RB pour la représentation dun processus de production de chimiothérapie est actuellement concluante, témoin lintérêt suscité chez les professionnels des deux sites impliqués. Lapproche PRM apport une valeur ajouée au RB classique, ce qui conforte notre choix pour son utilisation dans la prise en compte du risque dans le processus de fabrication des chimiothérapies. Le langage de modélisation Skool est en plein évolution Trans posable à dautre processus par exemple processus de prise en charge patient 17

18 Merci de votre attention. 18


Télécharger ppt "Evolution des Réseaux Bayésiens pour une contribution à la sûreté de fonctionnement des systèmes de production des organisations de santé. ERPI-INPL Nancy."

Présentations similaires


Annonces Google