Mahi, Ghizlene -Lokbani, Souad2025-12-042025-12-042025-07-02https://dspace.univ-tlemcen.dz/handle/112/25372Cette recherche s’inscrit dans l’intégration des technologies IoT dans le domaine médical, notamment pour la surveillance prénatale. Il propose une méthode de prévision du taux de probabilité d’accouchement par césarienne, à partir de données cliniques collectées grâce à des capteurs connectés. Les paramètres considérés incluent l’âge, la pression artérielle et le taux de glycémie. Cinq modèles de machine learning ont été appliqués (Régression Logistique, SVM, Random Forest, Gradient Boosting, XGBoost) pour estimer le risque selon trois niveaux : bas, moyen et haut. Les résultats obtenus soulignent le potentiel de l’intelligence artificielle en tant qu’outil d’assistance à la prise de décision médicale, notamment pour prévoir les complications associées à l’accouchement.frIoTRégression LogistiqueSVMRandom ForestGradient BoostingXGBoostapprentissage supervisè.Thesis