Dans le cadre d’un projet en médecine préventive, j’ai développé un modèle prédictif visant à estimer la probabilité qu’un individu soit atteint de diabète de type 2 à partir de variables cliniques mesurées lors d’un examen médical. Méthodologie : Utilisation de la base PimaIndiansDiabetes2 (package mlbench), contenant des données cliniques sur des femmes d’origine Pima. Variables clés : glycémie, pression artérielle, IMC, âge, nombre de grossesses, etc. Application de techniques d’imputation, de normalisation, et de classification supervisée (régression logistique, arbres, KNN, etc.). Objectif : Contribuer à la détection précoce du diabète de type 2, en appui aux stratégies de santé publique, grâce à l’intelligence artificielle et à l’analyse statistique. Références scientifiques : Inspiré des travaux de Ali, Galal & Hassan (2025) et Arora et al. (2024), qui ont démontré l’efficacité de pipelines robustes pour améliorer la précision du diagnostic.

Ce projet présente une analyse textuelle de l’œuvre À la recherche du temps perdu de Marcel Proust à l’aide du langage R. L’étude explore la fréquence des mots, la richesse lexicale et la distribution des émotions dans le texte grâce aux packages tidytext, ggplot2 et stopwords. Ce travail illustre l’application du text mining et de la data visualization aux humanités numériques.