Système prédictif d'anticipation des pics d'affluence aux urgences…
Système prédictif d'anticipation des pics d'affluence aux urgences hospitalières suisses. Santé publique / Intelligence artificielle / Données ouvertes
Bedarf/Problem und Zielgruppe
Les services d'urgences hospitalières en Suisse font face à des pics d'affluence imprévisibles qui saturent les capacités d'accueil, allongent les temps d'attente et dégradent la qualité des soins. Ce problème affecte directement les patients, le personnel soignant, et les coordinateurs du SMUR/144. Actuellement, aucun outil national ne permet d'anticiper ces pics en croisant des données multi-sources (épidémiologiques, météorologiques, de mobilité). Les groupes cibles sont : les directions hospitalières, les cantons responsables de la planification sanitaire, et les opérateurs du 144.
(Nicht) verfügbare Daten
Plusieurs sources de données ouvertes suisses sont directement exploitables : statistiques hospitalières OFSP (données SpiGes), données épidémiologiques et de mortalité OFS, prévisions météorologiques MétéoSuisse (API ouverte), données de mobilité et de transport opentransportdata.swiss, et données démographiques cantonales. Ces jeux de données sont publics, documentés et accessibles via API ou fichiers téléchargeables.
Erwarteter Nutzen
Une anticipation fiable des pics d'affluence permettrait : une meilleure allocation des ressources humaines et matérielles dans les hôpitaux, une réduction mesurable des temps d'attente aux urgences, un dispatch ambulancier plus efficace, et une aide à la décision pour les cantons dans leur planification sanitaire. À terme, cela contribue directement aux objectifs du programme DigiSanté et à la résilience du système de santé suisse.
Ziel für den Hackathon
Développer un prototype fonctionnel (MVP) démontrant la faisabilité d'une prédiction d'affluence à 24–72h pour un ou plusieurs établissements hospitaliers suisses, en s'appuyant exclusivement sur des données ouvertes.
Lösungsansätze
Une analyse exploratoire des données disponibles a été réalisée en amont. Des approches de modélisation prédictive basées sur des séries temporelles ont été identifiées comme pistes pertinentes. Aucun prototype n'a encore été développé — c'est précisément l'objectif du Hackathon.
Einschränkungen
Les données utilisées devront être exclusivement issues de sources ouvertes et publiques, sans données patients ni informations personnelles identifiables (conformité RGPD/LPD suisse). Les résultats du Hackathon devront être publiés sous licence open source (ex. MIT) pour permettre leur réutilisation par les cantons et établissements hospitaliers intéressés.
Nachhaltigkeit
Le prototype développé sera publié en open source sur GitHub. Je m'engage personnellement à continuer le développement post-hackathon, avec un objectif de version pilote testable dans un contexte cantonal d'ici fin 2026. Je suis disponible pour collaborer avec des partenaires institutionnels (cantons, hôpitaux, OFSP) souhaitant poursuivre le projet. Les participants intéressés pourront rejoindre le projet en tant que contributeurs.
Previous
GovTech Hackathon 2026
Next project