Reconnaissance des concepts médicaux par text mining pour le codage des données médicales lors des études cliniques PDF Download
Are you looking for read ebook online? Search for your book and save it on your Kindle device, PC, phones or tablets. Download Reconnaissance des concepts médicaux par text mining pour le codage des données médicales lors des études cliniques PDF full book. Access full book title Reconnaissance des concepts médicaux par text mining pour le codage des données médicales lors des études cliniques by Laure Chapuzet. Download full books in PDF and EPUB format.
Author: Laure Chapuzet
Publisher:
ISBN:
Category :
Languages : fr
Pages : 64
Get Book Here
Book Description
Les évènements indésirables inscrits dans le cahier d’observation de patients participant à une étude clinique sont des données textuelles inexploitables telles quelles. Le codage de ces données est actuellement principalement réalisé par des humains, en utilisant le dictionnaire MedDRA, afin de les rendre exploitables par des outils statistiques. Le codage est ainsi un processus long et couteux avec une variabilité inter-humain et intra-humain. Nous avons réalisé la comparaison entre deux méthodes de codage des évènements indésirables d’une base de données. Le premier codage est réalisé par des codeurs humains. Le second est réalisé par un logiciel de text mining possédant différents paramètres. Ces deux méthodes utilisent conjointement un dictionnaire de référence commun : le MedDRA. La comparaison montre que 78% des concepts médicaux de la base codée par des humains sont également présents dans la base codée par le logiciel de text mining. Le contrôle qualité du codage d’une seconde base de données a aussi été effectué. Cette base, codée par des humains, pouvait malheureusement contenir des erreurs de codage compte tenu de sa volumétrie (55 000 évènements indésirables). Des concepts médicaux ont été retrouvés par le logiciel de text mining dont certains sont absents de la base codée par des humains. L’utilisation d’un logiciel de text mining permet donc d’améliorer la qualité du codage et de détecter des erreurs humaines de codage. Ce travail permet de proposer un meilleur outil de codage des données médicales qui serait plus rapide, plus homogène et de meilleure qualité avec peu d’efforts humains.
Author: Laure Chapuzet
Publisher:
ISBN:
Category :
Languages : fr
Pages : 64
Get Book Here
Book Description
Les évènements indésirables inscrits dans le cahier d’observation de patients participant à une étude clinique sont des données textuelles inexploitables telles quelles. Le codage de ces données est actuellement principalement réalisé par des humains, en utilisant le dictionnaire MedDRA, afin de les rendre exploitables par des outils statistiques. Le codage est ainsi un processus long et couteux avec une variabilité inter-humain et intra-humain. Nous avons réalisé la comparaison entre deux méthodes de codage des évènements indésirables d’une base de données. Le premier codage est réalisé par des codeurs humains. Le second est réalisé par un logiciel de text mining possédant différents paramètres. Ces deux méthodes utilisent conjointement un dictionnaire de référence commun : le MedDRA. La comparaison montre que 78% des concepts médicaux de la base codée par des humains sont également présents dans la base codée par le logiciel de text mining. Le contrôle qualité du codage d’une seconde base de données a aussi été effectué. Cette base, codée par des humains, pouvait malheureusement contenir des erreurs de codage compte tenu de sa volumétrie (55 000 évènements indésirables). Des concepts médicaux ont été retrouvés par le logiciel de text mining dont certains sont absents de la base codée par des humains. L’utilisation d’un logiciel de text mining permet donc d’améliorer la qualité du codage et de détecter des erreurs humaines de codage. Ce travail permet de proposer un meilleur outil de codage des données médicales qui serait plus rapide, plus homogène et de meilleure qualité avec peu d’efforts humains.
Author: Nicolas Boisseau
Publisher:
ISBN:
Category :
Languages : fr
Pages : 136
Get Book Here
Book Description
Le cahier d'observation est le moyen permettant de collecter les données patient lors d'une étude clinique. Parmi toutes les données saisies par le médecin investigateur se trouvent des champs texte libre présents notamment dans la description des évènements indésirables. Ces champs texte contiennent des concepts médicaux importants qu'il est nécessaire d'analyser pour établir le profil de tolérance du candidat médicament. Pour permettre cette étape d'analyse, il est nécessaire de codifier ces concepts médicaux grâce à un dictionnaire international de référence : Le MedDRA. Cette activité, très partiellement automatisable à ce jour, demande au codeur humain un effort constant pour maintenir homogénéité et cohérence du codage dans la durée, mais également avec les autres codeurs. L'objectif de ces travaux a été de programmer un prototype d'outil permettant l'extraction automatique des codes en provenance des descriptions d'évènements indésirables patient. Ce prototype utilise une technologie de text mining open source (Apache lucène) et s'appuie également sur les données issues d'une ontologie sémiologique afin de faciliter l'identification des termes à coder. Les performances text mining de l'outil ont été comparées dans un premier temps à une base de données de référence, codée par l'humain, et également avec un outil du marché. Dans ce cadre, nous montrons que nous obtenons des résultats acceptables. Dans un second temps nous avons étudié l'effet de l'ontologie sémiologique additionné à celui du text mining via des jeux d'essai ainsi que sur une base de données codée. Les résultats montrent que dans la version actuelle, seule une faible quantité d'évènements indésirables obtient un codage correct mais que des évolutions pourront permettre l'amélioration de ces résultats. Ce travail tend vers la conception d'un outil de codage des données médicales offrant rapidité et homogénéité afin d'assister l'humain dans son travail.
Author: Aditi Sharan
Publisher: Springer Nature
ISBN: 9819739624
Category :
Languages : en
Pages : 438
Get Book Here
Book Description
Author: Amy Neustein
Publisher: Walter de Gruyter
ISBN: 9781614515418
Category : Computers
Languages : en
Pages : 262
Get Book Here
Book Description
Text Mining of Web-Based Medical Content examines web mining for extracting useful information that can be used for treating and monitoring the healthcare of patients. This work provides methodological approaches to designing mapping tools that exploit data found in social media postings. Specific linguistic features of medical postings are analyzed vis-a-vis available data extraction tools for culling useful information.
Author: Eric Eparvier
Publisher:
ISBN:
Category :
Languages : fr
Pages : 24
Get Book Here
Book Description
En France, la loi de l'Assurance Maladie de 2004 instaure à tous les professionnels de santé, dans le cadre du DMP informatisé, le recueil partagé des données médicales. Le logiciel Episodus est conçu pour recueillir, organiser et structurer les informations enregistrées au cabinet médical et propose une aide au codage. L'objectif de cette étude est d'intégrer la Classification Internationale des Maladies (CIM-10) dans EpisodusÒ. A partir d'un panel de codes CIM-10, une banque de concepts a été créée dans laquelle des propriétés ont été attribuées aux termes, y compris ceux de l'index alphabétique de la classification, en plus du code de référence. Cette méthode originale d'intégration, basée sur la reconnaissance croisée de la signification des concepts, permet au professionnel de santé d'utiliser son langage naturel sans être confronté directement aux difficultés du codage.
Author: Carlos Fernández Llatas
Publisher: Humana Press
ISBN: 9781493919864
Category : Science
Languages : en
Pages : 270
Get Book Here
Book Description
This volume complies a set of Data Mining techniques and new applications in real biomedical scenarios. Chapters focus on innovative data mining techniques, biomedical datasets and streams analysis, and real applications. Written in the highly successful Methods in Molecular Biology series format, chapters are thought to show to Medical Doctors and Engineers the new trends and techniques that are being applied to Clinical Medicine with the arrival of new Information and Communication technologies Authoritative and practical, Data Mining in Clinical Medicine seeks to aid scientists with new approaches and trends in the field.
Author: Ruth Maria Reátegui Rojas
Publisher:
ISBN:
Category :
Languages : en
Pages : 99
Get Book Here
Book Description
Author: Emilie Baro
Publisher:
ISBN:
Category :
Languages : fr
Pages : 0
Get Book Here
Book Description
Contexte : Le terme « Big data » émerge récemment dans la littérature scientifique. Ce terme n'est pas encore référencé dans le MeSH (Medical Subject Headings). Or son usage semble ambigu et les propriétés attribuées à ce terme par les auteurs varient selon les articles. L'objectif de ce travail est de proposer une définition du terme « Big data » à partir d'une revue de la littérature incluant les articles mentionnant ce terme et de décrire systématiquement les propriétés rattachées à ce terme par les auteurs. Méthode : Nous avons conduit une recherche systématique de la base de données PubMed de tous les articles publiés jusqu'au 9 mai 2014 en utilisant le terme de recherche « Big data ». Ces articles ont été classés en domaines d'études. Le nombre d'individus statistiques (n) et le nombre de variables (p) ont été relevés pour les articles décrivant un jeu de données. Nous avons également considéré les caractéristiques attribuées aux Big data par les auteurs. En s'appuyant sur cette analyse, une définition des Big data a été proposée. Résultats : Cent quatre-vingt-seize articles ont été inclus. Trois principales catégories d'études ont été identifiées : les spécialités « omiques », les spécialités médicales et la santé publique. Les Big data peuvent être définies comme des données avec un Log(n * p) supérieur ou égal à 7. Les propriétés des Big data sont ses grandes variétés de données et leur importante vélocité. Les Big data soulèvent des défis concernant la véracité, la gestion des données, l'extraction d'informations utiles, le partage des informations et l'existence d'experts humains ayant à la fois des compétences cliniques et analytiques. L'émergence des Big data nécessitent la création de nouvelles méthodes de calcul qui optimisent la gestion de données. Les concepts reliés sont la réutilisation des données (data reuse), la possibilité de connaissances erronées et la question de la confidentialité des données. Conclusion : Les Big data sont définies par le volume. La taille des données qui les qualifie de « Big data » va probablement augmenter avec le temps. Les Big data ne doivent pas être confondues avec le data reuse : les données peuvent être massives sans être forcément réutilisées dans un autre objectif, par exemple dans le cas des spécialités « omiques ». Inversement, des données peuvent être réutilisées sans être nécessairement de grande dimension. C'est le cas par exemple de l'utilisation secondaire du dossier patient informatisé.
Author: Wataru Walter Sutow
Publisher:
ISBN:
Category : Medical
Languages : en
Pages : 982
Get Book Here
Book Description
Author: Alan D. Lopez
Publisher: World Bank Publications
ISBN: 0821362631
Category : Medical
Languages : en
Pages : 511
Get Book Here
Book Description
Strategic health planning, the cornerstone of initiatives designed to achieve health improvement goals around the world, requires an understanding of the comparative burden of diseases and injuries, their corresponding risk factors and the likely effects of invervention options. The Global Burden of Disease framework, originally published in 1990, has been widely adopted as the preferred method for health accounting and has become the standard to guide the setting of health research priorities. This publication sets out an updated assessment of the situation, with an analysis of trends observed since 1990 and a chapter on the sensitivity of GBD estimates to various sources of uncertainty in methods and data.
