Cet ouvrage présente une nouvelle approche de la fusion de données et applique ces notions à la modélisation et au diagnostic probabiliste en télémédecine. Une première contribution au niveau de la définition d'une notion de gain dans un processus de fusion de données est donnée pour être ensuite utilisée comme guide dans l'application des réseaux Bayésiens dynamiques en télémédecine. Dans la seconde partie de cet ouvrage, nous découvrirons un problème où interviennent plusieurs sources de données incertaines et hétérogènes: l'assistance à domicile de personnes souffrant d'insuffisance rénale visant à suivre l'état d'hydratation d'un patient sous dialyse péritonéale. Les réseaux Bayésiens dynamiques sont utilisés pour analyser ce problème et car il permettent de modéliser des dépendances causales et temporelles, typiques de la connaissance médicale. Aussi, dans la dernière partie de cet ouvrage, nous verrons une application de ce formalisme ainsi que la description des algorithmes nécessaires à son implémentation et les résultats obtenus dans ce type de diagnostic médical.