Doctorat en sciences sociales, politiques et économiques / info:eu-repo/semantics/nonPublished

Le contexte informationnel dans lequel évolue un agent possède une importance extrême quandcelui-ci élabore son comportement futur. Un agent rationnel doit en effet baser ses choix sur les informationsqu’il possède pour choisir ses actions. Or, dans les applications réelles, l’information disponible àl’agent est souvent rare et peu précise. De multiples modèles ont été élaborés dans les différents cadresd’application de l’intelligence artificielle afin de caractériser une décision rationnelle dans chacun descontextes informationnels possibles. Les travaux présentés dans cette thèse concernent l’élaboration d’unmodèle permettant à un agent de prendre des décisions rationnelles dans un contexte informationnel trèspauvre. La seule information dont dispose un agent à propos du résultat de ses actions est la donnée del’ensemble de résultats de chacune d’entre elles. En particulier, aucune information sur la conséquence laplus susceptible de se produire n’est disponible. L’agent est supposé égoïste (au sens où seul compte pourlui son propre intérêt) et autonome. Il évolue de plus dans un environnement où il coexiste avec d’autresagents (qui sont aussi égoïstes et autonomes). Les actions d’un agent influent sur les autres agents. Ladémarche entreprise pour élaborer le modèle est la suivante. D’abord, nous caractérisons les critères dedécision rationnels d’un agent seul dans le contexte informatif étudié. Ensuite, nous étendons ces critèresde décision individuelle au cas multi-agent en nous appuyant sur la théorie des jeux qui est le meilleurcadre pour exprimer les interactions entre agents rationnels et en particulier les possibilités de coordinationentre les agents. Enfin, le domaine de la planification est un excellent cadre pour représenter etexprimer les concepts du modèle. / The informative context in which an agent evolves is extremely important when she elaborates her futurebehaviour. A rational agent must base her choices on the available information. In realistic applications,the information is often rare and imprecise. Many models have been introduced to caracterize rationaldecision in each possible informative context. This thesis is about the elaboration of a model that allowsan agent to make rational decisions in an extremely poor informative context. The only informationthat is available to an agent about her actions’ consequences is the result set of each of her actions. Noinformation about which consequence of any action will eventually happen is available. The agent issupposed to be selfish (which means that her own interest is her only concern) and autonomous. Sheevolves in an environment in which she coexists with other agents (that are as selfish and autonomous asher). An agent action may inflence those of other agents. We used the following approach to build ourmodel. First, we caracterized the rational decision criteria for an agent to use in the context of completeignorance. Then we extended these criteria, by using game theory concepts, to a multiagent environment.Finally, the planning framework is an excellent framework to represent the introduced concepts.

L’imagerie médicale et en particulier l’Imagerie par Résonance Magnétique (IRM) occupe une place de choix dans les décisions médicales. Malgré des techniques et des pratiques d’examens comparables les industriels du secteur utilisent un vocabulaire différent pour décrire les événements de l’expérience IRM. Les ontologies permettent de résoudre cette problématique. En les intégrant dans un système informatique nous avons choisi de proposer des solutions innovantes pour trois situations quotidiennes : l’annotation d’examen, la reconnaissance et la correction d’artéfact et l’aide à la prescription d’examen. Les connaissances du domaine IRM sont issues de la littérature et de la pratique quotidienne. DICOM, élément incontournable à l’échange de données en imagerie médicale, a été le point de départ de l’élaboration de l’ontologie. Les connaissances sur les artéfacts en IRM sont en partie issues d’une collaboration avec l’université de Texas A&M Temple. Pour l’aide à la prescription d’examen nous avons choisi une situation clinique représentative la demande d’IRM dans le cadre des traumatismes du genou. Les statistiques proviennent d’une étude réalisée dans le service de médecine du sport du CHU de Rennes. Les systèmes élaborés permettent aux utilisateurs d’utiliser les ontologies sans y être confronté et permettent l’analyse de l’entête DICOM d’une image, l’annotation de l’image, la comparaison d’une image IRM pour la correction d’artéfact et l’aide à la prescription d’IRM est sous la forme d’un serveur web permettant à l’utilisateur de connaître en fonction des signes cliniques présents, la probabilité d’avoir une lésion lors de la réalisation de l’IRM. Nous avons démontré la possibilité d’utilisation des ontologies pour améliorer l’exercice quotidien des praticiens. Les techniques utilisées montre la possibilité d’utiliser les ontologies en les associant aux images et aux probabilités. Le système choisi, interface permettra l’évolution vers une technologie de type webservice. / Magnetic resonance imaging (MRI) is a key examination in medical decision making. Despite MRI technics are slightly similar, each industrial has developed his own vocabulary to describe the MRI experience. Ontologies have been developed to help in such situations. We have decided to create IT solutions using ontology for three daily radiological situations: exams annotation, MRI artifacts recognition and correction and exam appropriateness. The domain knowledge is extracted from literature and everyday practice. DICOM, as key element for data exchange in radiology, has been used to create the ontology.  Concerning MRI artifacts, a part of the knowledge comes from a collaborative work with the university of Texas A&M Temple. Concerning exam appropriateness, we have chosen a representative clinical situation: interest of knee MRI in case of knee trauma. The statistical data are coming from a clinical study done in the CHU of Rennes. Our systems allow users to take benefits of ontology without facing it. They give a DICOM header analysis, proposed an image annotation, compare image to correct MRI artifacts and help physicians to judge MRI appropriateness in case of knee trauma. We have demonstrated that ontologies could be used to improve daily practice in radiology and that ontologies could be associated to image and statistical data. Future of this work could be a system transformation into a web service.

La stratégie thérapeutique actuelle pour la sténose aortique à bas débit (SA-BD) n’intègre pas la gradation de la sévérité de la maladie du ventricule gauche (SMVG) pour sélectionner les meilleurs candidats au remplacement valvulaire aortique (RVA). MÉTHODE La SMVG a été gradée par le ratio d’activation du peptide natriurétique de type-B (BNP-ratio) et par celui de la fraction N-terminale de son précurseur (NT-proBNP-ratio). Leurs performances pronostiques ont été étudiées séparément puis en comparaison directe (sous-population avec les deux biomarqueurs). Le meilleur biomarqueur a été utilisé pour étudier le bénéfice cardiovasculaire du RVA en fonction de la SMVG. RÉSULTATS Le NT-proBNP-ratio prédisait la mortalité à 12 et 36 mois avec une aire sous la courbe d’efficacité du récepteur (ASCER) à 0.67±0.04 et 0.66±0.05, respectivement (p=0.001). Il a été indépendamment corrélé à la mortalité (risque relatif ajusté [RRa]=1.39, [1.11-1.74], p=0.004). Le BNP-ratio était significativement discriminant pour la mortalité à 12 mois seulement et tendait à prédire le temps au décès en utilisant un seuil>7.4 (RRa=2.14 [1.00- 4.58], p=0.05). La supériorité du NT-proBNP-ratio a été vérifiée en comparaison directe: i) les ASCER pour la mortalité à 12 et 36 mois étaient supérieures (p<0.009); ii) le NT-proBNP-ratio, contrairement au BNP-ratio, prédisait indépendamment la mortalité; iii) il améliorait significativement l’efficacité prédictive d’un modèle de base (Mb) incluant l’âge, le sexe, la présence de SA réellement sévère (SARS), l’euroSCORE et le RVA (p=0.0003); iv) l’index de reclassification nette associé au NT-proBNP-ratio était de 0.71 (p=0.008) contre 0.38 (p=0.15) pour le BNP-ratio. Enfin, le NTproBNP-ratio>11 prédisait un grand bénéfice de survie par RVA (RRa=0.52 [0.31-0.85], p=0.009), tandis qu’avec NT-proBNP-ratio<11, la survie était excellente sans RVA durant la première année. CONCLUSION: Cette étude démontre pour la première fois que la gradation de la SMVG par le NT-proBNP-ratio, et pas le BNPratio, a une grande valeur pronostique dans la SA-BD et peut guider la stratégie thérapeutique / Background: In classical low-flow, low gradient aortic stenosis (CLF-AS i.e. with low left ventricular [LV] ejection fraction), aortic valve intervention (AVI) is recommended if true severe AS (TSAS) is confirmed. However, there is little evidence on the prognostic values of the clinical activation ratio of B-type natriuretic peptide (BNP-ratio) versus aminoterminal-proBNP (NT-proBNP-ratio) as surrogates of LV impairment to risk-stratify the patients. Methods: BNP and NT-proBNP-ratios were calculated by dividing the actual serum level by the upper predicted value for age and sex. Their prognostic values were studied using receiver-operating characteristic (ROC) curves and Cox proportional hazards regression adjusting for TSAS, initial treatment (AVI or conservative management [ConsRx]), age, sex and the euroSCORE (model-1), and taking time to death as an endpoint. The survival benefit of AVI according to the degree of LV impairment was studied using the best biomarker. Results: BNP-ratio significantly predicted one-year (area under the ROC curve [AUC]) 0.62±0.04, p=0.026) but not three-year mortality, and a BNP-ratio>7.4 tended to predict time to death (adjusted HR=2.14 [1.00-4.58], p=0.05). NT-proBNP-ratio significantly predicted one and three-year mortality (AUC=0.67±0.04 and 0.66±0.05, both p=0.001), and independently predicted time to death (HR=1.39 /per one increment of LogNT-proBNP-ratio, [1.11-1.74], p=0.004). In a head-to-head comparison, the AUCs for one and three-year mortality were higher with NT-proBNP-ratio versus BNP-ratio (p<0.009). NT-proBNP-ratio but not BNP-ratio independently predicted mortality and significantly improved model-1 (Likelihood ratio test Chi2=15.953, p=0.0003). The category-free net reclassification index of NT-proBNP-ratio when added to model-1 was 0.71 (p=0.008) versus 0.38 (p=0.15) for BNP-ratio. Finally, in patients with NTproBNP-ratio >11 the adjusted HR of death associated with AVI was 0.52 ([0.31-0.85], p=0.009). On the other hand, NT-proBNP-ratio <11 identified patients (54% with peudosevere AS) in whom short-term event-free survival was excellent under conservative management. Conclusion: NT-proBNP-ratio is a powerful independent predictor of death and should be preferred over BNPratio to risk-stratify CLF-AS patients. The assessment of LV function impairment using NT-proBNP-ratio has important clinical implications and should be complementary to the determination of true AS severity.

L’accès aux services de réadaptation est compromis par de longs délais d’attente. La priorisation est une méthode utilisée pour classer des patients selon des critères permettant d’évaluer la priorité relative de chacun dans la liste l’attente. Les outils d’aide à la priorisation (OAP) représentent une solution innovante qui peut s’appliquer pour les patients en attente de services de réadaptation et ainsi favoriser un accès plus équitable aux services de réadaptation. Le but de ce projet était d’explorer les déterminants de l’implantation d’un OAP au sein de programmes de réadaptation. L’outil de priorisation a été adapté au contexte de deux programmes de réadaptation grâce à l’utilisation d’une méthode de consensus auprès de plusieurs parties prenantes. Au terme des consultations avec les patients, les cliniciens et les gestionnaires de ces programmes de réadaptation, dix critères de priorisation par programme ont été identifiés par consensus comme étant importants à considérer. Un prototype de l’outil a été développé et proposé à chacun des milieux cliniques. Puis, d’autres consultations ont été réalisées auprès des prestataires de services afin de recueillir les perceptions quant aux déterminants de l’implantation de l’outil dans les milieux cliniques. À l’aide de deux questionnaires et de groupes de discussion, les cliniciens et les gestionnaires ont nommés une grande variété de facilitateurs et obstacles à l’implantation de l’OAP, soit par rapport à des caractéristiques de l’outil, des individus impliqués et de l’environnement. / Access to rehabilitation services can be compromised by problems of excessive wait times before receiving these services. Waiting lists are used to control resources and to ensure equitable and fair access to health services, the order of patients should be determined according to a relative priority. Prioritization is a method of ranking patients according to criteria evaluating the relative priority of each patient. Patient prioritization tools (PPTs) represent an innovative solution that can be applied to patients waiting for rehabilitation services and thus would promote more equitable access to rehabilitation services. The aim of this project was to explore the determinants for implementation of a PPT in rehabilitation settings. The tool was adapted to the context of two rehabilitation programs through the use of a multi-stakeholder consensus method. After consultations with patients, clinicians and managers of these rehabilitation programs, ten prioritization criteria by program were identified by consensus as important to consider. A prototype of the tool was developed and proposed to each of the clinical settings. Then, further consultations were conducted with service providers to collect perceptions about the determinants of implementation of the tool in clinical settings. Using two questionnaires and focus groups, clinicians and managers identified a wide variety of facilitators and barriers to the implementation of PPT, related to characteristics of the tool, individuals involved and the environment.

Tableau d’honneur de la Faculté des études supérieures et postdoctorales, 2015-2016 / Afin d’estimer la fréquence du regret décisionnel de patients suite à une consultation médicale et d’en identifier les facteurs de risque, nous avons réalisé une analyse secondaire d’une banque de données portant sur 258 consultations en soins de première ligne. À l’aide de l’Échelle de Regret Décisionnel (ÉRD), nous avons observé que la moyenne ± écart-type et la médiane du score de regret décisionnel étaient respectivement de 11.7 ± 15.1 et de 5 (sur une échelle de 0 à 100). Au total 43% des participants n’éprouvaient aucun regret (score = 0), alors que 45% avaient un score compatible avec un faible regret (score = 5 – 25) et 12% avaient un regret plus élevé (score ≥ 30). Après ajustement pour l’âge et le niveau d’éducation des patients ainsi que pour le sexe et le statut des cliniciens, seul un niveau élevé de conflit décisionnel fut identifié comme facteur de risque du regret. La fréquence de regret décisionnel en première ligne justifie des approches ciblant la réduction du conflit décisionnel. / To estimate the frequency of decision regret and examine risk factors associated with regret, we conducted a secondary analysis of data collected from 258 primary care consultations. With the Decision Regret Scale, we observed that mean ± standard deviation and median decision regret scores were 11.7 ± 15.1 and 5 respectively (on a scale of 0 to 100). Overall, 43% of participants did not experience decision regret (score = 0), while 45% experienced mild regret (score = 5 – 25) and 12% experienced higher regret (score ≥ 30). After adjusting for patient age and education level as well as physician gender and status, a high level of decisional conflict was identified as the only risk factor of regret. The frequency of decision regret in primary care justifies approaches targeting the reduction of decisional conflict.

Cette étude a évalué l'application des comportements spécifiques associés à la prise de décision partagée (PDP) chez les résidents en médecine familiale. Ce sont 152 dyades uniques composées d'un résident en médecine familiale et d'un patient qui furent recrutées dans 13 cliniques de London, Ontario (68) et six unités de médecine familiale de Québec (84). Les consultations ont été enregistrées, transcrites puis analysées par des observateurs indépendants avec l'échelle OPTION. Le score OPTION moyen obtenu a été de 24% ± 8%. Une corrélation positive a été observée entre le score OPTION et la durée de la consultation (r=0.24; /7=0.003). Cette étude suggère que les comportements spécifiques associés à la PDP ne sont pas bien intégrés chez les résidents en médecine familiale et que la durée de la consultation est un facteur important. Cette étude aidera les formateurs des écoles de médecine à développer des interventions visant à améliorer son application.

Titre de l'écran-titre (visionné le 5 septembre 2023) / L'industrie forestière canadienne joue un rôle majeur dans l'économie du pays et les forêts canadiennes représentent une source importante de bois à l'échelle mondiale. Dans ce contexte, le triage et le transport du bois revêtent une grande importance pour assurer le bon fonctionnement de la chaîne de valeur forestière. Ce projet de recherche vise à explorer différentes stratégies de triage dans les secteurs forestiers, dans le but de mieux coordonner l'approvisionnement en bois avec les besoins spécifiques des usines de transformation. Pour atteindre cet objectif, nous avons développé un modèle d'optimisation basé sur la programmation mathématique, en plus d'un outil de traitement de données permettant de traiter les données reçues de notre partenaire industriel et de former des fichiers de données pour alimenter notre modèle d'optimisation. Ce modèle permet d'évaluer la rentabilité des différentes stratégies de triage pour fournir par la suite la meilleurs distribution des méthodes de triage dans les zones de récolte forestière. Des expérimentations ont été menées en prenant en compte différents paramètres comme le nombre et le type de piles de bois formées en forêt. Notre étude a permis de mettre sur pied un modèle d'aide à la prise de décision qui facilite le choix des méthodes de triage à utiliser en forêt. Ce modèle prend en compte plusieurs facteurs, dont les types de piles pouvant être formées en forêt, la demande des usines, les distances de transport forêt-usines et les distances inter-usines. Cette recherche constitue donc une contribution intéressante dans le domaine de l'optimisation du triage et du transport du bois, en fournissant une méthodologie solide, un outil de traitement de données et un modèle d'optimisation précis. / The Canadian forest industry plays a significant role in the country's economy, while Canadian forests represent a major source of timber. In this context, wood sorting and transportation are of great importance to ensure the smooth functioning of the forest value chain. This research project aims to explore different sorting strategies in forest sectors in order to better coordinate wood supply with the specific needs of processing mills. To achieve this goal, we developed an optimization model based on mathematical programming, along with a data processing tool to exploit the data received from our industrial partner. This model allows for evaluating the profitability of different sorting strategies to subsequently provide the best distribution of sorting methods in forest harvesting areas. Experiments were conducted, taking into account various parameters such as the number and type of wood piles formed in the forest. Our study has resulted in the development of a decision-making tool that facilitates the selection of sorting methods to be used in the forest. This model takes into consideration several factors, including the types of piles that can be formed in the forest, the demand from mills, the distances for forest-to-mill and inter-mill wood transportation. This research contributes to the field of wood sorting and transportation optimization by providing a robust methodology, a data processing tool, and an accurate optimization model.

No description available.

Titre de l'écran-titre (visionné le 27 février 2023) / La théorie « Vapnik-Chervonenkis » (VC) est un sous-domaine de la théorie de l'apprentissage automatique qui offre un moyen de comprendre la notion de généralisation d'un algorithme d'apprentissage en bornant le taux d'erreur des prédicteurs par l'utilisation d'outils combinatoires, tels que la dimension VC et la fonction de croissance. Bien que des pistes de recherche récentes indiquent que la théorie VC n'est pas le bon cadre pour comprendre la généralisation dans les réseaux de neurones profonds (Zhang et al., 2021), elle reste pertinente pour les modèles interprétables basés sur des décisions à seuil ferme, comme les arbres de décision et les formules booléennes. Pourtant, les bornes de généralisation pour les classes VC n'ont pas connu d'améliorations substantielles depuis près d'une décennie, et les propriétés combinatoires des arbres de décision, nécessaires à l'application de ces bornes, sont encore mal comprises. Dans cette thèse, nous abordons ces deux problèmes de deux manières distinctes, présentées en deux parties différentes. Dans la première partie, nous améliorons significativement les bornes de généralisation pour les classes VC à l'aide de deux idées majeures. Premièrement, nous évitons d'utiliser les inégalités de concentration en inversant la queue de l'hypergéométrique pour obtenir une borne supérieure non-uniforme, très serrée et indépendante de la distribution, sur le risque pour les classes VC. Ensuite, l'utilisation de l'inversion de la queue de l'hypergéométrique permet d'optimiser l'astuce de l'échantillon fantôme pour obtenir des gains supplémentaires non négligeables. Ces améliorations sont ensuite utilisées pour dériver une borne de déviation relative, une borne pour les classificateurs multiclasses à marge, ainsi qu'une borne inférieure. Dans nos dérivations, nous prenons soin d'introduire aussi peu d'approximations que possible afin de réduire au minimum les facteurs constants de la borne. Des comparaisons numériques montrent que la nouvelle borne est presque toujours informative et qu'elle est plus serrée que toute autre borne VC courante pour toutes des tailles raisonnables de jeux de données. Ensuite, dans la deuxième partie, nous revisitons les arbres de décision binaires du point de vue des partitions des données. Nous introduisons la notion de fonction de partitionnement, et nous la relions à la fonction de croissance et à la dimension VC. Nous considérons trois types d'attributs : à valeur réelle, catégorique ordinale et catégorique nominale, chacune avec des règles de décision différentes. Pour chaque type d'attribut, nous bornons supérieurement la fonction de partitionnement des souches de décision avant d'étendre les bornes aux arbres de décision généraux (avec n'importe quelle structure fixe) en utilisant une approche récursive. Parmi les nouveaux résultats les plus notables, nous obtenons que la dimension VC exacte des souches de décision sur des exemples de *ℓ* attributs à valeurs réelles est donnée par le plus grand entier *d* tel que *2ℓ* ≥ (*d* [au-dessus de] [⌊*d/2*⌋]). De plus, nous montrons que la dimension VC d'une structure d'arbre binaire avec *L*[indice *T*] feuilles sur des exemples de *ℓ* attributs à valeurs réelles est de l'ordre de *O*(*L*[indice *T*] log(*L*[indice *T*]ℓ)). Enfin, nous élaborons un algorithme d'élagage basé sur ces résultats qui surpasse les populaires algorithmes d'élagage *cost-complexity* (C4.5) et *reduced-error* (ID3) sur de nombreux jeux de données, avec l'avantage qu'aucune validation croisée n'est nécessaire. / Vapnik-Chervonenkis (VC) theory is a subfield of theoretical machine learning that offers a way to understand the notion of generalization of a learning algorithm by bounding the error rate of predictors through the use of combinatorial tools, such as the VC dimension and the growth function. Although recent research avenues indicate that VC theory is not the right framework to understand generalization in deep neural networks (Zhang et al., 2021), it is still relevant for interpretable models based on hard threshold decisions, such as decision trees and Boolean formulas. Yet, generalization bounds for VC classes have not seen any substantial improvement for nearly a decade now, and the combinatorial properties of decision trees, needed for these bounds to apply, are still poorly understood. In this thesis, we tackle both of these problems in two distinct ways, presented in two different parts. In the first part, we significantly improve the generalization bounds for VC classes by using two main ideas. First, we avoid making use of concentration inequalities by considering the hypergeometric tail inversion to obtain a very tight non-uniform distribution-independent risk upper bound for VC classes. Second, the use of the hypergeometric tail inversion allows us to optimize the ghost sample trick to procure further non-negligible gains. These improvements are then used to derive a relative deviation bound, a multiclass margin bound, as well as a lower bound. In our derivations, we are careful to introduce as few approximations as possible in order to bring to a minimum the constant factors of the bounds. Numerical comparisons show that the new bound is nearly never vacuous and is tighter than other common VC bounds for all reasonable data set sizes. Then, in the second part, we revisit binary decision trees from the perspective of partitions of the data. We introduce the notion of partitioning function, and we relate it to the growth function and to the VC dimension. We consider three types of features: real-valued, categorical ordinal and categorical nominal, all with different split rules. For each feature type, we upper bound the partitioning function of the class of decision stumps before extending the bounds to the class of general decision tree (of any fixed structure) using a recursive approach. Amongst the most notable new results, we find that the exact VC dimension of decision stumps on examples of *ℓ* real-valued features is given by the largest integer *d* such that *2ℓ* ≥ (*d* [above] [⌊*d/2*⌋]). Furthermore, we show that the VC dimension of a binary tree structure with *L*[subscript *T*] leaves on examples of *ℓ* real-valued features is of order *L*[subscript *T*] log(*L*[subscript *T*]*ℓ*). Finally, we elaborate a pruning algorithm based on these results that outperforms cost-complexity (C4.5) and reduced-error pruning algorithms on a number of data sets, with the advantage that no cross-validation is required.