Le système hospitalier bulgare sur fond de réforme depuis 1989

[...] L'objectif principal du présent mémoire est de décrire le système hospitalier bulgare dans les conditions de la réforme sanitaire entreprise depuis 1990 et les raisons des difficultés qui empêchent l'application d'une réforme réelle dans ce secteur. Dans la première partie nous décrivons le système de santé de la Bulgarie sur un plan historique afin de présenter le développement et les différents changements et reformes qui l'ont transformé durant les années avec une attention particulière en ce qui concerne les hôpitaux. Dans la deuxième partie le système hospitalier en Bulgarie est présenté depuis 1989 jusqu'à nos jours en essayant d'identifier les principaux résultats et défaillance de l'impact de la réforme sanitaire sur le développement du secteur hospitalier. Enfin, dans la troisième partie une étude de cas se basant sur des recherches et interviews menées auprès de 10 hôpitaux membre de l'Association Régionale des Hôpitaux "Stara Planina" afin de sonder directement la situation sur le terrain, ainsi que d'identifier les problèmes auxquels sont confrontés quotidiennement les directeurs de ces 10 établissements et leurs attentes futures, est présentée. [...] [Auteure, p. 4]

Change points detection in crime-related time series: an on-line fuzzy approach based on a shape space representation

The extension of traditional data mining methods to time series has been effectively applied to a wide range of domains such as finance, econometrics, biology, security, and medicine. Many existing mining methods deal with the task of change points detection, but very few provide a flexible approach. Querying specific change points with linguistic variables is particularly useful in crime analysis, where intuitive, understandable, and appropriate detection of changes can significantly improve the allocation of resources for timely and concise operations. In this paper, we propose an on-line method for detecting and querying change points in crime-related time series with the use of a meaningful representation and a fuzzy inference system. Change points detection is based on a shape space representation, and linguistic terms describing geometric properties of the change points are used to express queries, offering the advantage of intuitiveness and flexibility. An empirical evaluation is first conducted on a crime data set to confirm the validity of the proposed method and then on a financial data set to test its general applicability. A comparison to a similar change-point detection algorithm and a sensitivity analysis are also conducted. Results show that the method is able to accurately detect change points at very low computational costs. More broadly, the detection of specific change points within time series of virtually any domain is made more intuitive and more understandable, even for experts not related to data mining.