Moteur de recommandation pour cibler les patients à risque d'absence et proposer le bon créneau, rappel et canal.
Dans un centre de santé ou un hôpital de jour, une part significative des rendez-vous de spécialité, d'imagerie ou de suivi chronique ne sont ni honorés ni annulés à temps. Chaque créneau perdu coûte du temps médical, retarde la prise en charge d'un autre patient et allonge les délais d'accès aux soins déjà tendus.
Aujourd'hui, les rappels sont souvent génériques : même SMS, même délai, pour tous les patients, quel que soit leur profil ou leur historique. Le service de planification n'a pas d'outil pour identifier qui a besoin d'un rappel renforcé, d'un créneau différent ou d'une orientation vers un examen complémentaire pertinent, ce qui maintient le taux d'absentéisme à un niveau coûteux et non maîtrisé.
Le projet distingue deux briques complémentaires. D'abord un modèle de risque d'absence par patient et par type de rendez-vous, construit avec XGBoost sur variables tabulaires, calibré pour produire une probabilité exploitable plutôt qu'un score brut. Ensuite un module de recommandation qui, pour chaque patient à risque, propose l'action la plus adaptée : type de rappel, canal, délai, ou proposition d'un créneau alternatif compatible avec son profil de mobilité et ses disponibilités passées.
La recommandation s'appuie sur un filtrage par règles métier pondérées et sur un modèle de bandit contextuel simple pour apprendre en continu quel canal et quel délai de rappel fonctionnent le mieux par segment de patients, en évitant la complexité d'un deep learning peu justifiable sur ce volume de données.
Le dispositif est testé en A/B sur un sous-ensemble de parcours avant généralisation, avec un comité médical qui valide les règles d'exclusion (patients fragiles, urgences) pour éviter toute automatisation inadaptée sur des cas sensibles.
Si 20 % des absences sont évitables par un rappel mieux ciblé, un centre traitant plusieurs milliers de rendez-vous par mois pourrait récupérer un volume significatif de créneaux chaque semaine, réduisant les délais d'accès et le temps médical perdu, sans augmenter l'effort humain de relance.
Non. Il ne touche qu'à la logistique de rendez-vous : rappel, canal, créneau. Toute priorisation clinique reste de la responsabilité du comité médical, qui valide les règles d'exclusion en amont.
Un audit de biais par sous-groupe (âge, zone géographique, pathologie) est réalisé avant mise en production, et les patients en situation de vulnérabilité sont exclus du scoring automatique par règle métier explicite.
Le pilote A/B sur un service permet d'obtenir des premiers résultats mesurables en 6 à 8 semaines après mise en place, avant toute décision de généralisation à l'ensemble du centre.
Nous le cadrons, le construisons et le mettons en production. Ou nous formons vos équipes à le faire.
Nous utilisons des cookies de mesure d'audience et de suivi publicitaire pour comprendre la fréquentation du site et l'efficacité de nos annonces. Rien n'est déposé sans votre accord. En savoir plus