Skip to Main content Skip to Navigation
New interface
Master Thesis

EDSaNCoh et EDILS2.0 : résultats préliminaires et perspectives

Résumé : Avec l'adoption généralisée des dossiers médicaux électroniques (DME), des quantités de plus en plus importantes de données cliniques électroniques sont générées, ce qui fait que les chercheurs, les administrateurs de soins de santé et les cliniciens s'intéressent de plus en plus à l'utilisation de telles données. Le projet EDSaNCoh, sélectionné et financé par le FEDER (Fonds européen de développement régional), vise à développer une plateforme pour créer et alimenter automatiquement des e-cohortes prospectives. L'objectif final du projet est d'optimiser la recherche non interventionnelle sur les données épidémiologiques et cliniques en réduisant les erreurs humaines, la charge de travail, la complexité de la saisie des données et le temps consacré à la collecte des données par rapport aux méthodes de recherche actuelles, ce qui se traduit finalement par une réduction des coûts. Le premier projet tirant parti de l'infrastructure EDSaNCoh est EDILS2.0 (Eating Disorders Inventory Longitudinal Study) dont l'objectif principal est d'identifier, 2 et 5 ans après une première consultation pour Trouble du Comportement Alimentaire (TCA), les facteurs pronostiques de guérison, de rémission, de changement de type de trouble alimentaire et de décès ou suicide. METHODOLOGIE : Trois sont les sources de données combinées par l'infrastructure EDSaNCoh : l'entrepôt de données de santé du CHU de Rouen, le SNDS (système national des données de santé), et des questionnaires auto-administrables directement envoyés aux patients. Afin d'évaluer les capacités de l'algorithme construit pour EDILS2.0 à identifier correctement les patients répondant aux critères d'inclusion et à récupérer correctement les variables ciblées, ses performances ont été comparées automatiquement, sur un ensemble de documents aléatoires, à un gold standard humain.
RESULTATS :
L'algorithme a donné de bons résultats, atteignant 96 % de précision et 88,1 % de recall pour l'inclusion des patients. En ce qui concerne ses capacités d'extraction de caractéristiques, il a obtenu, sur un ensemble de 24 variables, une accuracy moyenne de 94,08%. CONCLUSION : Selon les résultats préliminaires, EDILS2.0 montre une qualité de données très prometteuse, une qualité qui est, je crois, encore améliorable. Les optimisations suggérées sont de nature conservatrice, elles sont faciles à mettre en œuvre et ne nécessitent pas d'adaptations des pratiques de travail, ce qui devrait se traduire par une mise en œuvre sans friction. En cas de succès, elles feront passer la précision de l'algorithme d'extraction des caractéristiques dans une "zone de confiance", au-delà de la barre des 95 %, ce qui est crucial pour la fiabilité des analyses futures. Tel résultat servira également de manifeste des bons résultats que l'on peut obtenir avec les e-cohortes et de la qualité du projet EDSaNCoh et favorisera l'intérêt pour cette technologie.
Document type :
Master Thesis
Complete list of metadata

https://dumas.ccsd.cnrs.fr/dumas-03858400
Contributor : Claire Leboeuf Connect in order to contact the contributor
Submitted on : Thursday, November 17, 2022 - 4:56:35 PM
Last modification on : Wednesday, November 23, 2022 - 3:49:18 AM

File

Monti Francesco.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : dumas-03858400, version 1
  • PPN : 265400724

Citation

Francesco Monti. EDSaNCoh et EDILS2.0 : résultats préliminaires et perspectives. Médecine humaine et pathologie. 2022. ⟨dumas-03858400⟩

Share

Metrics

Record views

0

Files downloads

0