mirfou111/flesh-etrilab_test-evaluation

Ce repos comporte le notebook de creation du modele de de scoring de risque d'accouchement non assisté. ### Analyse de la Santé Maternelle en Afrique de l'Ouest #### Test d'évaluation EtriLabs Programme FLESH #### Contexte Ce notebook a été développé dans le cadre du processus de sélection du programme FLESH | EtriLabs. Il porte sur l'analyse des déterminants de l'accouchement assisté par un professionnel de santé en Afrique de l'Ouest, avec un focus sur les zones rurales du Sénégal. L'intérêt pour cette problématique est né d'un projet antérieur de prédiction des pénuries de sang au Sénégal qui m'a conduit à explorer les causes profondes de la mortalité maternelle, dont l'hémorragie du post-partum est l'une des premières. #### Objectifs - Explorer et analyser le dataset sante_maternelle fourni par EtriLabs - Tester deux hypothèses terrain sur les déterminants du suivi prénatal - Construire un modèle de scoring de risque pour prioriser les interventions des agents de santé communautaires #### Structure du projet ``` etrilab-sante-maternelle/ │ ├── data/ # Dataset source (non versionné) ├── figures/ # Visualisations générées │ ├── distributions_cles.png │ ├── hypothese1.png │ ├── hypothese2.png │ ├── evaluation_modeles.png │ └── score_final.png ├── model/ # Modèle sauvegardé │ ├── scoring_risque_sante_maternelle.pkl │ └── features_columns.pkl ├── analyse_sante_maternelle.ipynb # Notebook principal └── README.md ``` ## Résultats clés - **H1 confirmée** corrélation négative significative entre distance et CPN (Spearman r=-0.20, p<0.0001) - **H2 confirmée** les femmes visitées par un ASC accouchent plus souvent avec assistance (66.6% vs 55%, Chi² p<0.0001) - **Modèle final** régression logistique (AUC=0.71), le milieu rural et le niveau d'instruction sont les variables les plus déterminantes ## Stack technique - Python 3.10 - pandas, numpy, scipy - scikit-learn - matplotlib, seaborn - joblib ## Auteur Ousmane NDIEGUENE Candidat au programme FLESH | EtriLabs, Thiès, Sénégal