Abstract:
dans les hopitaux algériens, en prédisant les temps d'attente et en priorisant les cas urgents
grace à l'analyse de données. Les données, collectées en avril et en mars 2025, incluent des
informations sur les patients et le personnel.
La méthodologie suit le processus CRISP-DM, utilisant des algorithmes comme Randome
Forest et un tableau de bord interactif pour visualiser les résultats. Les modèles
Prédisent efficacement les temps d'attente et identifient les cas prioritaires, bien qu'ils aient des difficultés avec les cas non urgents.
Ce travail souligne l'importance de la Data Science dans les services d'urgence et propose
des améliorations futures, comme l'intégration de données externes. En conclusion, le mémoire
montre comment le Data Mining peut optimiser la gestion hospitalière en Algérie.
