Note publique d'information : Chaque année, lors de la période hivernale, les hôpitaux sont profondément impactés
par l'arrivée des virus hivernaux. Ces virus hivernaux, la grippe et le VRS sont difficiles
à anticiper. En effet, ces phénomènes épidémiques ne sont pas parfaitement périodiques
et ont un impact principalement sur le temps de séjour des patients plutôt que sur
le nombre d'arrivée. Il n'est donc pas possible d'anticiper ces épidémies en analysant
directement le nombre de patients arrivant au service des urgences par jour. A posteriori,
pour avoir une image de l'épidémie, des tests PCR sont réalisés sur les patients de
l'hôpital. De plus, un patient arrivant aux urgences est immédiatement classé selon
ses symptômes. On propose alors de réunir les tests PCR positifs et le nombre d'arrivée
par symptôme via du clustering de série temporelle. Cela met en lumière les symptômes
liés aux virus. Ainsi, pour analyser l'arrivée probable d'une épidémie, on peut utiliser
le nombre d'arrivée pour les symptômes marqueurs des virus plutôt que le nombre d'arrivée
totale au service des urgences. Pour réaliser ce clustering, nous proposons une méthode
innovante reposant sur une représentation géométrique des séries temporelles. En particulier,
on met en lumière l'efficacité d'utiliser la géométrie de Riemman appliquée à la variété
de la Grassmann (via une représentation sur la variété de la Stiefel) pour analyser
les séries temporelles.
Note publique d'information : Every year, during the winter period, hospitals are deeply impacted by the arrival
of winter viruses. These winter viruses, influenza and RSV, are difficult to anticipate.
Indeed, these epidemic phenomena are not perfectly periodic and have an impact mainly
on the length of stay of patients rather than on the number of arrivals. It is therefore
not possible to anticipate these epidemics by directly analyzing the number of patients
arriving in the emergency department per day. A posteriori, in order to have an image
of the epidemic, PCR tests are carried out on the hospital's patients. In addition,
a patient arriving at the emergency department is immediately classified according
to his symptoms. We then propose to gather the positive PCR tests and the number of
arrivals per symptom via time series clustering. This highlights the symptoms related
to viruses. Thus, to anticipate an arrival of an epidemic in a near future, we can
use the number of arrivals for the virus marker symptoms rather than the total number
of arrivals at the emergency department. To achieve this clustering, we propose an
innovative method based on a geometric representation of time series. In particular,
we highlight the efficiency of using the Riemmannian geometry applied to the Grassmann
manifold (via a representation on the Stiefel manifold) to analyze time series.
paprika.idref.fr
data.idref.fr
Documentation
