Offre de thèse : Optimisation de la planification des chirurgies électives

Laboratoire LAMSADE – Université Paris Dauphine

Financement sur contrat doctoral

Date limite de candidature : Avril 2017. 

Début de la thèse : Septembre 2017

Direction 

Jully Jeunet, Chargée de Recherche CNRS – HDR en sciences de gestion, université Paris Dauphine (jully.jeunet@dauphine.fr)

Brice Mayag, Maître de Conférences en informatique, université Paris Dauphine (brice.mayag@dauphine.fr)

Contexte et problématique    

Depuis plusieurs années, on constate un allongement excessif des temps d’attente avant chirurgie qui résulte à la fois d’une augmentation de la demande de soins et d’une raréfaction de l’offre. Dans ce contexte, les établissements de santé affichent une préoccupation croissante pour des objectifs de maîtrise des coûts et du temps d’attente avant chirurgie. 

La thèse s'inscrit dans cette problématique et développera un modèle de planification des actes chirurgicaux, en s’appuyant sur les données et les contraintes d’un service de chirurgie « pilote » au sein d’un grand groupe hospitalier. Par rapport à la littérature, l’originalité du sujet réside notamment dans la prise en compte simultanée du bien-être du patient et de la gestion de ressources multi-contraintes (blocs opératoires, lits...). 

Objectifs

Optimiser la planification des actes chirurgicaux revient à déterminer pour chaque jour d’un horizon à moyen terme (en général, le mois) le nombre de patients du case-mix à opérer de sorte à minimiser une fonction de coût des ressources en respectant les contraintes de capacité disponible, de satisfaction d’une demande moyenne de soins (historique des chirurgies) et de préférence des chirurgiens. Ce problème peut se formuler comme un programme linéaire en nombre entiers dont la résolution pourra nécessiter le développement d’une méthode heuristique. Les créneaux opératoires planifiés sur la base d’une demande moyenne et qui résultent de cette optimisation doivent ensuite être alloués aux patients de la liste d’attente constatée, selon des règles d’allocation à élaborer mais qui devront s’appuyer sur un objectif de minimisation des temps d’attente. 

Préalablement à cette modélisation, il conviendra d’exploiter la base de données patients pour déterminer le case-mix, c’est-à-dire l’ensemble des groupes de patients homogènes à la fois en termes de type d’intervention/pathologie et de consommation des ressources (lits, blocs opératoires, soins infirmiers…). Il s’agira alors d’explorer ou de proposer plusieurs algorithmes de clustering multicritère permettant d'effectuer cette classification. A l’issue de ce travail, on disposera, pour alimenter le modèle d’optimisation, de groupes de patients pertinents pour les chirurgiens et auxquels seront associés une estimation de bonne qualité de la durée opératoire et de séjour, de la demande et du coût.

L’évaluation des solutions du modèle de planification s’appuiera sur la définition de plusieurs indicateurs de satisfaction des patients et d’efficacité de la gestion hospitalière et nécessitera par conséquent une analyse multicritère. 

Profil du candidat    

Nous recherchons des candidats titulaires d’un Master 2 en informatique, recherche opérationnelle ou sciences de gestion ayant des compétences en programmation (C++, Java…), de bonnes notions de statistiques et portant un intérêt pour la modélisation. Une connaissance du langage R est appréciée. 

Processus de sélection      

Merci d’envoyer par e-mail (jully.jeunet@dauphine.fr) une lettre de motivation, un CV, des relevés de notes des deux années précédentes, et éventuellement une lettre de recommandation. 

Mots-clé

Recherche opérationnelle ; modélisation ; optimisation linéaire ; analyse multicritère ; gestion hospitalière

Retombées de la thèse

Développement d’un logiciel d’admission des patients ; Extension de la méthodologie à d’autres services de l’hôpital. 

Débouchés professionnels

Outre une carrière dans le public (universités et administrations des hôpitaux), cette thèse offre des perspectives dans le secteur privé où naissent actuellement de nombreuses start-up spécialisées dans l’édition de logiciels pour la santé ou l’analyse de l’information médicale.