Veuillez noter que cet événement se déroulera uniquement en anglais.
***Étudiantes et étudiants à la maîtrise en gestion avec thèse - ces événements peuvent compter parmi les six séminaires de recherche Telfer auxquels vous devez assister (MGT 6191/ MGT 6991 / MHS 6991)(4 séminaires pour les étudiantes et étudiants à la maîtrise en gestion avec projet).***
Brian Denton, PhD
Les modèles de risque sont fréquemment utilisés pour renseigner les médecins sur les recommandations à faire à leurs patientes et patients. Cependant, le manque de reproductibilité des résultats de nombreuses études médicales conduit à une ambiguïté des modèles. Les médecins qui choisissent un modèle basé sur une seule étude risquent de faire un mauvais choix qui pourrait conduire à des recommandations sous-optimales, à leur regret. Dans notre conférence, nous proposons un processus décisionnel markovien partiellement observable et multimodèle (MPOMDP) pour remédier à l’ambiguïté des modèles dans les cas d’observabilité partielle causée par des facteurs pathologiques latents. Le modèle MPOMDP proposé vise à assimiler la distribution du modèle réel à partir des résultats du système au fil du temps et à trouver une politique optimale qui maximise les bénéfices attendus pour tous les modèles. Nous discutons donc des propriétés du modèle MPOMDP, en fournissant de l’information à son sujet et en justifiant les méthodes de résolution. Les méthodes adaptées aux modèles de surveillance des maladies en situation réelle sont décrites et appliquées à une étude de cas de surveillance active du cancer de la prostate à partir de quatre des études cliniques les plus connues menées au Canada, en Europe et aux États-Unis. Nous présentons des résultats illustrant les lacunes entre les recommandations de modèles individuels et démontrons les avantages de prendre en compte l’ambiguïté des modèles dans le contexte du cancer de la prostate.
À propos du conférencier
Brian Denton est professeur titulaire de la Chaire professorale Stephen-M.-Pollock en génie industriel et opérationnel. Ses recherches portent sur la prise de décisions séquentielles et l’optimisation en situation d’incertitude, avec des applications dans les domaines des soins de santé, de la gestion des chaînes d’approvisionnement et d’autres domaines liés à l’allocation de ressources limitées. Avant de se joindre à l’Université du Michigan, il a travaillé à IBM, à la clinique Mayo et à l’Université d’État de la Caroline du Nord. Il a reçu de nombreuses distinctions et récompenses, dont le prix CAREER de la National Science Foundation, le prix Daniel-H.-Wagner d’INFORMS, le prix récompensant une publication exceptionnelle de l’Institute of Industrial and Systems Engineers, la médaille George-Kimball d’INFORMS et le prix du meilleur article de la Société canadienne de recherche opérationnelle. Le professeur Denton a siégé à plusieurs comités de rédaction, dont ceux de Manufacturing & Service Operations Management, Medical Decision Making, Operations Research et Production and Operations Management. Coauteur de plus de 100 articles de revues, actes de conférences, chapitres de livres et brevets, il est membre élu de l’IISE et de l’INFORMS, dont il a déjà été président.
