Search

Understanding mobility, whether physical in the spatial sense or virtual in the web navigation sense, raises many challenges in terms of monitoring individuals, spatial planning or activity recommendations. Having access today to many resources on the contextual nature of this mobility, one of the current concerns is to succeed in identifying groups of similar individuals with regard to their mobility. To do this, we propose a semantic trajectory model enriched by ontologies at the level of contextual data and allowing us to calculate the similarity between each episode of individual mobility. Subsequently, an editing distance is used to evaluate in a fine and contextual way the similarity between two sequences from a semantic point of view at the trajectory level. [ABSTRACT FROM AUTHOR]

We present in this paper two innovative spatio-temporal ontologies: TSN (i.e., Territorial Statistical Nomenclature) and TSN-Change. These ontologies al low for description of territorial partitions composed of territorial units (irregular polygons), used as a support to the collection of statistics. They enable linking the successive versions of these divisions through RDF graphs that describe territorial changes, potentially affecting several nested levels of the nomenclature. These ontologies provide stakeholders with a harmonized model, as close as possible to the vocabulary of the domain, for the publication of any Territorial Statistical Nomenclature, in the Web of linked data. [ABSTRACT FROM AUTHOR]

La télémédecine est susceptible d'aider à la prise en charge des patients souffrant de pathologies chroniques et d'éviter des urgences vitales et des hospitalisations. Dans ce cadre, nous avons expérimenté, auprès de patients présentant une insuffisance cardiaque (IC), une e-plateforme, E-care, dédiée à la détection automatisée et « intelligente » des situations à risque de décompensation cardiaque. E-care repose sur des capteurs médicaux communicants, transmettant en temps réel des informations physiologiques à un système intelligent (MyPredi), associé à une ontologie médicale, aboutissant in fine à la génération ou non d'alertes. Ces dernières sont liées à une dégradation de l'état de santé des patients en rapport avec une décompensation des pathologies chroniques (critère 1), en particulier de l'IC (critère 2). Une expérimentation a été menée pour valider ces alertes. La plateforme E-care a ainsi été déployée entre février 2014 et avril 2015 auprès de patients suivis en médecine interne. Les alertes émises durant cette période ont été colligées et analysées rétrospectivement en termes de sensibilité (SE), de spécificité (SPE) et de valeurs prédictives positive (VPP) et négative (VPN). Cent quatre-vingts patients ont été inclus et 1 500 mesures réalisées. Le profil des patients inclus était celui d'un sujet âgé et polypathologique, avec un indice de Charlson moyen de 4,1, IC dans plus de 60 % des cas. L'analyse des alertes montre : pour le critère 1, des valeurs de SE, de SPE, de VPP et de VPN, de respectivement de 100, 30, 89 et 100 % ; et pour le critère 2, des valeurs de SE, de SPE, de VPP et de VPN, de respectivement de 100, 72, 90 et 100 %. La plateforme E-care permet ainsi de détecter 100 % des décompensations cardiaques, les trois quarts des alertes étant en outre en rapport avec cette dernière. Seuls 10 % des alertes ne sont pas en rapport directe avec l'IC. Ces résultats mettent en évidence qu'en l'absence d'alerte, le patient n'a pas de problème, au prix de nombreuses fausses alertes. En pratique, le système de télémédecine E-care et son intelligence artificielle MyPredi permettent donc, de façon automatique et non intrusive, de générer des alertes en rapport avec la dégradation de l'état de santé du patient, et surtout une décompensation cardiaque. [ABSTRACT FROM AUTHOR]