Prevision d'Activite Hospitaliere

Hopitaux Universitaires Pitie-Salpetriere - Charles Foix

Equipe : Clement, Quentin, Alexis, Yoann Soutenance : 6 fevrier 2026

---

Objectifs du projet

1. Construire un dataset a partir des rapports annuels PSL-CFX
2. Developper un modele SARIMA pour anticiper les pics d'activite
3. Modeliser l'impact d'une crise sanitaire (COVID)
4. Realiser un dashboard interactif avec mode Normal/Crise

---

Livrables

Fichier	Description
reports/RAPPORT_TECHNIQUE.docx	Sources, traitements, modele SARIMA
reports/RAPPORT_MISE_EN_PLACE.docx	Gestion des afflux, preparation aux crises
src/dashboard.py	Dashboard interactif Streamlit
outputs/presentation_soutenance.pptx	Presentation pour la soutenance
docs/GLOSSAIRE_SARIMA.md	Glossaire des termes techniques

---

Lancer le dashboard

pip install -r requirements.txt
streamlit run src/dashboard.py

Accessible sur http://localhost:8501

Fonctionnalites :

• Mode Normal / Crise sanitaire
• Filtres temporels (annee, trimestre)
• Previsions SARIMA 2023-2024
• Simulation d'impact de crise (intensite ajustable)
• Galerie des visualisations

---

Structure du projet

hopitaux-data/
│
├── data/
│   ├── raw/                          # Donnees brutes
│   │   ├── projet-data.pdf           # Cahier des charges
│   │   ├── meteo-orly-daily.csv      # Temperatures
│   │   ├── vacances-scolaires.csv    # Calendrier vacances
│   │   ├── covid-hosp-france.csv     # Hospitalisations COVID
│   │   ├── covid-urgences-sos.csv    # Urgences SOS Medecins
│   │   └── donnees-hospitalieres-covid.csv
│   │
│   └── processed/                    # Donnees traitees
│       ├── dataset_psl_cfx.csv       # Dataset principal (132 mois)
│       ├── forecasts.csv             # Previsions SARIMA
│       └── all_data.json             # Stats annuelles + pathologies
│
├── notebooks/
│   ├── 01_data_pipeline.ipynb        # Extraction et preparation
│   ├── 02_eda_covid.ipynb            # Analyse exploratoire + COVID
│   └── 03_modelisation_sarima.ipynb  # Modele SARIMA
│
├── src/
│   └── dashboard.py                  # Dashboard Streamlit
│
├── outputs/                          # Visualisations generees
│   ├── serie_temporelle.png
│   ├── sarima_previsions.png
│   ├── sarima_diagnostics.png
│   ├── sarima_metriques.png
│   ├── covid_evolution_nationale.png
│   ├── covid_vagues.png
│   └── ... (20 PNG)
│
├── reports/
│   ├── RAPPORT_TECHNIQUE.docx
│   ├── RAPPORT_MISE_EN_PLACE.docx
│   └── *.md (versions markdown)
│
├── docs/
│   └── GLOSSAIRE_SARIMA.md           # Explication des concepts
│
└── README.md

---

Donnees

Dataset principal : data/processed/dataset_psl_cfx.csv

• 132 observations mensuelles (2012-2022)
• Variables : date, passages_urgences, temp_mean, vacation_ratio

Previsions : data/processed/forecasts.csv

• 24 mois de previsions (2023-2024)
• Intervalles de confiance 95%

---

Modele SARIMA

Configuration : SARIMA(1,1,1)(1,1,1,12)

Metriques :

Metrique	Valeur
MAE	892 passages
RMSE	1 124 passages
MAPE	6.2%
R²	89%

---

Technologies

• Python 3.10+
• Pandas, NumPy
• Statsmodels (SARIMA)
• Plotly, Matplotlib, Seaborn
• Streamlit
• python-docx, python-pptx

---

Execution des notebooks

# 1. Pipeline de donnees
jupyter notebook notebooks/01_data_pipeline.ipynb

# 2. Analyse exploratoire
jupyter notebook notebooks/02_eda_covid.ipynb

# 3. Modelisation SARIMA
jupyter notebook notebooks/03_modelisation_sarima.ipynb

---

Projet Epitech Digital School - 2026