Techniques de fouilles de données pour l'aide à la décision pour la recherche épidémiologique:

Abstract

L'épidémiologie vise en particulier à la recherche des causes des maladies et à l'amélioration de leurs traitements et moyens de prévention. L'épidémiologie dite « clinique » utilise des données cliniques recueillies auprès de groupes de malades pour une meilleure prise de décision face à un malade donné. De là, apparaît la nécessité en recherche épidémiologique, de disposer d'outils d'aide à la décision pour le pronostic, le diagnostic ou encore l'analyse de risques. En outre, ces outils manipulent des données cliniques, et devront par conséquent, prendre en compte l'analyse et l'exploration de ces dernières. Nous voulons dans ce travail montrer l'apport des techniques de data mining pour l'aide à la décision en recherche épidémiologique, notamment pour la prédiction de facteurs de risques cardiovasculaires. Nous examinons d'abord de près les données cliniques à considérer, avec les modalités de récolte et de recueil. Nous nous penchons, ensuite, sur l'utilisation des techniques de fouille de données dans le domaine médical, en particulier pour la prédiction des risques cardiovasculaires. Nous mettons en place une approche hybride de data mining qui se décline en deux phases : dans la première, nous appliquons cinq méthodes de classification (C4.5, classification Tree, Logistic Regression, Naifes Bayes et CN2) pour identifier séparément les facteurs de risques de l'HTA et du diabète (deux facteurs majeurs des maladies cardiovasculaires). Dans la deuxième phase, nous introduisons uniquement les facteurs de risque communs obtenus dans l'étape précédente et nous appliquons la méthode Multivariate Adaptative Regression Splines (MARS) pour construire le modèle prédictif traitant de l'HTA et du diabète simultanément. Avec le modèle retenu, nous sommes capables de prédire l'HTA, le diabète ainsi que la coexistence des deux pathologies chez un même patient avec une précision de 97.75 % et une sensibilité de 96,87 % Mots clés : Fouilles de données (data mining), recherche épidémiologique, analyse exploratoire, données cliniques, maladies cardiovasculaires, hypertension artérielle; diabète; classification, modèle prédictif, facteurs de risque communs; MARS.