Conceptualisation d’un modèle de données complètement structurées et standardisées appliqué à un dossier patient informatisé
Résumé
Le dossier patient informatisé ou DPI est un élément central dans la prise en charge médicale d’un patient. Il regroupe un nombre d’informations concernant le patient qu’un professionnel de santé doit connaître. Aujourd’hui, il existe de nombreux logiciels incluant le DPI mais toutes les données n’y sont pas totalement structurées.
En France, le DPI, le Dossier Médical Partagé et l’Espace Numérique de Santé sont encadrés par la législation qui mentionne les éléments indispensables à retrouver dans un dossier patient. Des codes et terminologies médicales existent à des fins de descriptions médicales du patient et de son parcours de soins. Cette thèse donne une proposition des codes et terminologies les plus adéquats en regard de chaque élément d’un DPI. Cette proposition de structuration n’est pas parfaite et est discutable.
En effet, la structuration permet une meilleure qualité des données pour les entrepôts de données de santé par exemple. Mais elle n’est pas toujours adaptée à l’activité médicale. Les éditeurs doivent adapter leur logiciel afin de transformer par des techniques de traitement du langage, le texte libre des médecins, en texte structuré pour améliorer la qualité des données médicales.L’apprentissage automatique et les réseaux de neurones sont très efficaces pour améliorer toutes les problématiques évoquées mais ils sont très sensibles à la qualité des données qui reste un défi à relever aujourd’hui.
En France, le DPI, le Dossier Médical Partagé et l’Espace Numérique de Santé sont encadrés par la législation qui mentionne les éléments indispensables à retrouver dans un dossier patient. Des codes et terminologies médicales existent à des fins de descriptions médicales du patient et de son parcours de soins. Cette thèse donne une proposition des codes et terminologies les plus adéquats en regard de chaque élément d’un DPI. Cette proposition de structuration n’est pas parfaite et est discutable.
En effet, la structuration permet une meilleure qualité des données pour les entrepôts de données de santé par exemple. Mais elle n’est pas toujours adaptée à l’activité médicale. Les éditeurs doivent adapter leur logiciel afin de transformer par des techniques de traitement du langage, le texte libre des médecins, en texte structuré pour améliorer la qualité des données médicales.L’apprentissage automatique et les réseaux de neurones sont très efficaces pour améliorer toutes les problématiques évoquées mais ils sont très sensibles à la qualité des données qui reste un défi à relever aujourd’hui.
Origine | Fichiers produits par l'(les) auteur(s) |
---|