Le nombre croissant de personnes âgées dépendantes est un des enjeux majeurs en France pour les prochaines années. La prise en charge du sujet âgé est complexe car de nombreux facteurs peuvent venir perturber les diverses prises de décision. En effet la dépendance, les maladies chroniques ou même l'environnement social sont à prendre en compte lors d'une hospitalisation ou un placement sur le long terme. Le parcours de soins des personnes âgées se divise en deux volets : (i) les hospitalisations dans le cadre des évènements aigus et (ii) la prise en charge des soins de longue durée. Nous avons étudié dans un premier temps les problèmes liés à l'hospitalisation aiguë avec des études de cas en collaboration avec le CHU de Saint-Étienne. Un premier sujet concerne l'organisation des services gériatriques, nous utilisons la simulation à évènements discrets pour évaluer la pertinence d'une intégration des deux services en un seul. De la même manière nous évaluons la mise en place d'une hotline permettant de mettre directement en contact les médecins de ville et du CHU, le but étant d'éviter les passages aux Urgences. Nous étudions ensuite les parcours de soins sur le long terme en modélisant les états de santé des personnes âgées selon 3 critères (degré de dépendance, degré des pathologies chroniques et degré d'isolement social). Une chaine de Markov est utilisée pour représenter les transitions entre les états. Un modèle de simulation est utilisé pour déterminer le dimensionnement d'un territoire. Enfin nous nous intéressons au pilotage des flux de patients dans les structures résidentielles de soins de longue durée (EHPAD, USLD) avec un modèle d'optimisation stochastique.

Le vieillissement général de la population a fait de la gérontologie et de la gériatrie des secteurs de pointe qui exigent des outils de formation pertinents. Cet ouvrage pratique et accessible répond à ce besoin. Il est basé sur le cadre conceptuel de Virginia Henderson (les 14 besoins), mais il peut être utilisé avec n'importe quel modèle de soins infirmiers. Une démarche complète, incluant la collecte, l'analyse et l'interprétation des données, la planification et l'évaluation des interventions, y est élaborée pour chacun des besoins. Le vieillissement y est considéré comme une des étapes de la vie et la personne âgée y est abordée dans sa globalité. Cette édition revue et corrigée, qui tient compte des données les plus actuelles et de la nomenclature la plus récente de l'ANADI pour les diagnostics infirmiers, est un ouvrage indispensable pour ceux qui se préoccupent de la qualité des soins peodigués aux aînés . (editore).

This publication explores some of the key issues, ranging from interpreting the evidence base to assessing the policy context for, and approaches to, chronic disease management across Europe. Drawing on 12 detailed country reports (available in a second, online volume), the study provides insights into the range of care models and the people involved in delivering these; payment mechanisms and service user access; and challenges faced by countries in the implementation and evaluation of these novel approaches.

As computer and space technologies have been developed, geoscience information systems (GIS) and remote sensing (RS) technologies, which deal with the geospatial information, have been rapidly maturing. Moreover, over the last few decades, machine learning techniques including artificial neural network (ANN), deep learning, decision tree, and support vector machine (SVM) have been successfully applied to geospatial science and engineering research fields. The machine learning techniques have been widely applied to GIS and RS research fields and have recently produced valuable results in the areas of geoscience, environment, natural hazards, and natural resources. This book is a collection representing novel contributions detailing machine learning techniques as applied to geoscience information systems and remote sensing.

The knowledge discovery process is as old as Homo sapiens. Until some time ago this process was solely based on the ‘natural personal' computer provided by Mother Nature. Fortunately, in recent decades the problem has begun to be solved based on the development of the Data mining technology, aided by the huge computational power of the 'artificial' computers. Digging intelligently in different large databases, data mining aims to extract implicit, previously unknown and potentially useful information from data, since “knowledge is power”. The goal of this book is to provide, in a friendly way, both theoretical concepts and, especially, practical techniques of this exciting field, ready to be applied in real-world situations. Accordingly, it is meant for all those who wish to learn how to explore and analysis of large quantities of data in order to discover the hidden nugget of information.

International comparison of health system performance has become increasingly popular, made possible by the rapidly expanding availability of health data. It has become one of the most important levers for prompting health system reform. Yet, as the demand for transparency and accountability in healthcare increases, so too does the need to compare data from different health systems both accurately and meaningfully. This timely and authoritative book offers an important summary of the current developments in health system performance comparison. It summarises the current state of efforts to compare systems, and identifies and explores the practical and conceptual challenges that occur. It discusses data and methodological challenges, as well as broader issues such as the interface between evidence and practice. The book draws out the priorities for future work on performance comparison, in the development of data sources and measurement instruments, analytic methodology, and assessment of evidence on performance. It concludes by presenting the key lessons and future priorities, and in doing so offers a rich source of material for policy-makers, their analytic advisors, international agencies, academics and students of health systems.

When discussing classification, support vector machines are known to be a capable and efficient technique to learn and predict with high accuracy within a quick time frame. Yet, their black box means to do so make the practical users quite circumspect about relying on it, without much understanding of the how and why of its predictions. The question raised in this book is how can this ‘masked hero’ be made more comprehensible and friendly to the public: provide a surrogate model for its hidden optimization engine, replace the method completely or appoint a more friendly approach to tag along and offer the much desired explanations? Evolutionary algorithms can do all these and this book presents such possibilities of achieving high accuracy, comprehensibility, reasonable runtime as well as unconstrained performance.