🏥 Analyse des données hospitalières

🚀 Live Demo

Accédez à la version en ligne de l'application : https://medicalanalysis.azurewebsites.net/

🎯 Vision du projet

Une approche data-driven pour révolutionner la planification hospitalière en France. Notre projet vise à transformer la gestion des capacités hospitalières en passant d'une approche financière à une approche basée sur les besoins réels de la population.

🛠️ Technologies utilisées

• 🐍 Python (Data Science)
• 📊 Streamlit (Interface utilisateur)
• 🗄️ DBT & BigQuery (Data Warehouse)
• 📈 Plotly (Visualisations)
• 🤖 LangChain (Assistant virtuel)

🎯 Objectifs principaux

• 📊 Analyser l'évolution des besoins hospitaliers (2018-2022)
• 🔮 Prédire les tendances futures (2023-2025)
• 🚨 Identifier les signaux d'alerte précoces
• 🎯 Créer un outil d'aide à la décision pour les ARS

📈 Structure de l'app

🏠 Page d'accueil

• Vue d'ensemble du projet
• Points clés et indicateurs principaux

🌍 Vue générale France

• 📊 Vue globale des indicateurs nationaux
• 🗺️ Carte de France interactive
  • Visualisation géographique des données
  • Analyse régionale comparative

🏥 Analyses par service Médical

• 👨‍⚕️ Chirurgie
• ⚕️ Médecine
• 👶 Obstétrique
• 🧠 Psychiatrie
• ♿ SSR (Soins de Suite et Réadaptation)
• 🏥 ESND

Chaque service propose :

• Évolution temporelle
• Distribution géographique
• Analyse démographique
• Durées moyennes de séjour

📊 Modèles prédictifs (work in progress)

• 📈 Prévisions des tendances
• 🎯 Identification des zones de tension
• 🔄 Analyse des patterns saisonniers
• 🚨 Système d'alerte précoce

🤖 Assistant virtuel

• 💬 Interface conversationnelle
• 🔍 Analyse SQL en langage naturel
• 📊 Génération de visualisations
• 📝 Rapports personnalisés

🔧 Installation et déploiement

💻 Installation locale

1. Cloner le repository

git clone [URL_du_repo]
cd medical_data_analysis

2. Créer et activer un environnement virtuel

# Windows
python -m venv .venv
.venv\Scripts\activate

# Linux/MacOS
python3 -m venv .venv
source .venv/bin/activate

3. Installer les dépendances

pip install -r requirements.txt

4. Configuration des variables d'environnement

# Créer un fichier .env à la racine du projet
touch .env  # ou créer manuellement sous Windows

# Ajouter les variables nécessaires dans .env
AZURE_CONNECTION_STRING=votre_connection_string
OPENAI_API_KEY=votre_api_key

5. Lancer l'application

streamlit run app.py

L'application sera accessible à l'adresse : http://localhost:8501

☁️ Déploiement sur Azure

L'application est déployée sur Azure Web Apps.

📊 Sources de données

• 🏥 DREES (Direction de la Recherche, des Études, de l'Évaluation et des Statistiques)
• 📊 Données hospitalières publiques

🎯 Impact attendu

Pour les ARS

• 📈 Meilleure anticipation des besoins
• 🎯 Allocation optimisée des ressources
• 🚨 Détection précoce des tensions

Pour les hôpitaux

• 🏥 Planification optimisée des capacités
• 👥 Meilleure prise en charge des patients
• 💰 Optimisation des ressources

Pour les patients

• ⚡ Réduction des temps d'attente
• 🎯 Soins mieux adaptés aux besoins
• 📈 Amélioration de la qualité des soins

🔜 Développements futurs

• 🤖 Amélioration des modèles de ML
• 🌍 Extension à d'autres régions
• 🔄 Intégration de données en temps réel
• 📱 Application mobile pour les décideurs

👥 Équipe & contact

Le Wagon projet 2024

📚 Documentation

Pour plus de détails techniques :

• 📝 Documentation détaillée