Thèse : "Modélisation, évaluation et optimisation du parcours de prévention des personnes âgées", CI

Modélisation, évaluation et optimisation du parcours de prévention des personnes âgées
Direction : Xiaolan Xie (directeur de thèse), Bienvenu Bongue, Vincent Augusto (codirecteurs de
thèse)
Entreprise : CETAF
Laboratoire : Mines Saint-Etienne, UMR CNRS 6158 LIMOS et SNA-EPIS, EA 4607, St-Etienne
Spécialité scientifique : Génie Industriel
Démarrage : 1 er Octobre 2017
Date limite de candidature : 30 avril 2017

Sujet
Le Cetaf est une association privée à but non lucratif créée en 1994 par la Caisse nationale d’assurance
maladie des travailleurs salariés (CNAMTS). Il assure un appui opérationnel au pilotage des Centres
d’Examens de Santé (CES) en termes de moyens : il accompagne les CES dans leurs missions d’examens
périodiques de santé adaptés à la population reçue, d’éducation thérapeutique du patient et
d’éducation en santé. Il reçoit mission de la CNAMTS pour assurer l’animation, la coordination et le
soutien des CES nécessaires à la mise en œuvre opérationnelle des orientations nationales. L’une des
missions du CETAF vise à contribuer à l’amélioration de l’Examen périodique de santé (EPS) socle et de
ses modulations populationnelles pour les jeunes (16-25 ans) et seniors (60 ans et plus).
L’augmentation des pathologies chroniques qui requiert une continuité dans la prise en charge a
conduit au renforcement de la logique de parcours. Ces parcours résultent de la délivrance de
prestations sanitaires et sociales coordonnées pour répondre aux besoins de prévention et
d’interventions médicosociales dans le cadre de dépenses maîtrisées. Cela suppose des évolutions (i)
des pratiques professionnelles, (ii) des processus de travail, et (iii) de l’organisation des acteurs au
niveau d’un territoire. Dans ce contexte, le CETAF se positionne sur une rénovation de ces activités,
notamment au travers de l’EPS.
Dans cette optique, ce projet de recherche vise à modéliser et à optimiser le parcours de prévention
des personnes âgées en lien avec du référentiel de l’EPS. Afin de d’optimiser l’efficience de l’EPS, deux
actions seront mises en œuvre dans cette thèse :
1. Optimisation de la gamme d’examens en fonction des caractéristiques des personnes âgées. Il
s’agit ici de proposer un ensemble d’examens personnalisé en fonction des données
disponibles sur les personnes âgées se présentant dans un centre d’examen de santé. Pour
cela, il est nécessaire de proposer des approches d’apprentissage sur les données disponibles
du (2 CES/CPAM partenaires) afin de déterminer quelles sont les variables déterminantes pour
choisir les examens indispensables. Pour cela, le doctorant devra (i) proposer une approche de
type machine learning, avec un test dans un premier temps de méthodes classiques (decisiontree, random forest), puis (ii) développer une méthode spécifique, pour laquelle on pourra se
baser sur l’optimisation discrète.

Plusieurs outils seront développés afin d’être utilisés au quotidien par les équipes du CETAF sous la
forme de logiciels informatiques. Ceux-ci pourront être intégrés au système d’information des centres
d’examens afin d’optimiser leur utilisation. Des performances minimales seront nécessaires afin
d’assurer une utilisation fluide et intuitive.

Profil
Le candidat devra disposer de solides connaissances en génie industriel (modélisation d’entreprise,
simulation de flux, évaluation de performance), en recherche opérationnelle (modélisation
mathématique, optimisation), en data science (machine learning, fouille de données, fouille de
processus) et en informatique (programmation en C/C++, Java, connaissance de librairies
mathématiques, statistiques, optimisation).
Envoyer CV, lettre de motivation, relevés de notes des 3 années précédentes (y compris celle en cours)
en prévision d’un entretien à augusto@emse.fr et RH@cetaf.fr
2. Modélisation et personnalisation du parcours de santé post-EPS. Lorsqu’un consultant a
bénéficié d’un EPS dans un CES, il est ensuite orienté vers un parcours adapté et personnalisé
en fonction de ses facteurs de risque et de ses besoins. Une approche en deux temps pourra
être proposée dans cette optique :
a. Une modélisation des parcours existant (i) sur avis d’expert, afin de rationaliser les
parcours observés ; et (ii) automatique, grâce aux bases de données disponibles et
l’application d’algorithmes de process mining. Cette double approche permettra de
construire automatiquement les parcours les plus significatifs et de comparer les
résultats avec les modèles « experts ». Des mesures d’amélioration pourront être
mises en œuvre pour converger vers des parcours « optimaux ».
b. Une aide à la décision visant à construire automatiquement le meilleur parcours en
fonction des caractéristiques de la personne âgée. Ici encore, une approche couplant
optimisation discrète et machine learning sera adoptée afin de proposer une gamme
de parcours de santé adaptée à chaque personne en sortie de l’EPS.