Analyse de données pour la construction de modèles de procédures neurochirurgicales

a IRISA, U746 VisAGeS, 2, Avenue du Pr. Léon Bernard CS 35043, Rennes Cedex, France [email protected], [email protected], [email protected] b Department of Neurosurgery, Hopital Universitaire de Rennes, 2, Avenue du Pr. Léon Bernard CS 35043, Rennes Cedex, France [email protected], [email protected] Résumé. Dans cet article, nous appliquons une méthode d'analyse sur des descriptions de procédures de neurochirurgie dans le but d'en améliorer la compréhension. La base de données XML utilisée dans cette étude est constituée de la description de 157 chirurgies de tumeurs. Trois cent vingt deux variables ont été identifiées et décomposées en variables prédictives (connues avant l'opération) et variables à prédire (décrivant des gestes chirurgicaux). Une analyse factorielle des correspondances (AFC) a été réalisée sur les variables prédictives, ainsi qu’un arbre de décision basé sur un dendrogramme préalablement établi. Six classes principales de variables prédictives ont ainsi été identifiées. Puis, pour chacune de ces classes, une analyse AFC a été réalisée sur les variables à prédire, ainsi qu’un arbre de décision. Bien que le nombre de cas et le choix des variables constituent une limite à cette étude, nous avons réussi à prédire certaines caractéristiques liées aux procédures en partant de données prédictives.