HBID YOUSSEF
Informations personnelles
- Nom et Prénom : HBID YOUSSEF
- Laboratoires : UMMISCO-LMDP/ LJLL Sorbonne-PARIS 6
- E-mail : youssef.hbid_AT_etu.upmc.fr
Directeurs de thèse Nord :
- Pr. Pierre-Alexandre Bliman, , Laboratoire Jacques-Louis Lions, Sorbonne Université Paris-6
- Pr. Abdel Douiri, King’s College of London
Directeurs de thèse Sud :
- Pr. Khaladi Mohamed, UMMISCO-LMDP, Université Cadi Ayyad Marrakech
Sujet de thèse
Titre : Modèles d’Analyse Prédictive pour le profilage du risque chez les patients atteints de maladie chronique avec Application au Accident Vasculaire Cérébrale (AVC).
Titre du sujet de thèse en Anglais : Predictive analytics models for risk profiling in patients with long-term condition with application to Stroke.
Mots clés : Modélisation mathématique, Prédiction, Problèmes inverse, régularisation, Accident vasculaire cérébrale, modèles linéaires mixte, modèles espace-état.
Résumé du sujet de thèse :
L’accident vasculaire cérébral (AVC) est une pathologie complexe reconnue comme problème majeur de santé publique.
Elle représente la première cause d’handicap non traumatique chez l’adulte, la deuxième cause de démence après la maladie d’Alzheimer et la troisième cause de mortalité.
L’AVC reste l’un des domaines où la modélisation mathématique peut venir en aide à la recherche médicale afin d’améliorer le diagnostic et le traitement.
Des travaux antérieurs ont suggéré la possibilité de développer une famille de courbes fonctionnelles au fil du temps représentant l’évolution de la guérison chez un patient, permettant ainsi la prédiction de la nature du rétablissement d’un individu après un accident vasculaire cérébral.
Le présent projet de thèse a pour objet de développer et raffiner des modèles mathématiques prédictifs et dynamiques décrivant la progression du rétablissement du patient après un AVC.
D’un point de vue mathématique, trois approches seront étudiées :
Une approche statistique basée sur les modèles mixtes linéaires ;
Une approche stochastique basée sur les modèles espace-état ;
Une approche évolutive basée sur les équations aux dérivées partielles.
Le socle de ce projet de thèse se focalise sur la stabilité des modèles étudiés dans le but d’aboutir à une meilleure prédiction, c’est dans ce sens que nous caractériserons la meilleure méthode de régularisation pour chaque approche. D’éventuels liens et équivalences entre ces différentes approches seront examinés sous des hypothèses particulières.
Au niveau des applications, le projet a pour but de proposer des outils d’aide à la décision permettant une meilleure gestion clinique des patients victimes d’AVC. Dans ce sujet de thèse, nous utilisons des données basées sur le registre d’AVC du sud de Londres « South London Stroke Register (SLSR) » et ce en collaboration avec le King’s College of London.
