Titre : Comment choisir un algorithme d’identification de cas de cancers incidents dans le Programme de Médicalisation des Systèmes d’Information (PMSI) ? Une analyse formelle des concepts sur les données du PMSI et du registre du cancer du sein de l’Isère.Résumé : L’utilisation du PMSI pour l’estimation de l’incidence des cancers se heurte à l’imperfection des critères de sélection (algorithmes) des cas, construits de façon empirique parmi les milliers de codes de diagnostics ou d’actes disponibles. Les méthodes d’extraction de connaissances à partir de données (ECD), qui réalisent une exploitation automatique ou semi-automatique de bases de données volumineuses, peuvent permettre de comparer tous les algorithmes se présentant sous la forme d’une conjonction d’attributs.Objectif : Découvrir le ou les algorithme(s) ayant les meilleures qualités (sensibilité, spécificité et valeurs prédictives) pour identifier les cas de cancer du sein incidents parmi les séjours du PMSI.Méthode : Les courts séjours du PMSI de 2001 comprenant un diagnostic de cancer du sein ont été croisés avec les données du registre du cancer de l’Isère qui constituait le gold standard pour identifier les cas de cancer du sein incidents. Une analyse formelle des concepts a permis de calculer la sensibilité, la spécificité et les valeurs prédictives de tous les algorithmes possibles, construits avec les codes de diagnostics et d’actes, l’âge, les établissements et les dates de sortie des séjours.Résultats : Le registre a identifié 825 patientes avec un cancer du sein incident. Le PMSI a identifié 1693 patientes ayant au moins un séjour avec cancer du sein, dont 645 étaient dans le registre. Les algorithmes les plus sensibles recherchaient un diagnostic principal de cancer du sein ou un acte d’anesthésie. Les algorithmes ayant les meilleures valeurs prédictives positives (VPP) associaient mastectomie, curage ganglionnaire, anesthésie générale, passage en salle de réveil et diagnostic principal de cancer du sein. Les diagnostics de tumeurs secondaires correspondaient aux plus basses VPP.Conclusion : Les méthodes d’ECD ont permis de traiter automatiquement tous les algorithmes possibles. Ces résultats permettent de proposer des algorithmes ciblés en fonction de l’objectif recherché (sensibilité, spécifique ou valeur prédictive).Intervenant : GOETZ Christophe (Laboratoire SPI-EAO, Faculté de médecine de Nancy, Vandoeuvre-les-Nancy, France).Conférence enregistrée lors des journées EMOIS 2011 à Nancy. Session : PMSI et épidémiologie II. Modérateurs Eliane ALBUISSON (CHU de Nancy) et Gilles CHATELIER (Association Robert Debré – Paris).Réalisation, production : Canalu U/3S, CERIMES
Mot(s) clés libre(s) : algorithmes, cancer du sein, ECD, EMOIS Nancy 2011, fouille de données, PMSI, valeurs prédictives positives, VPP

Titre : Codage automatisé : proposition d’une méthode utilisant une ontologie médicale construite par fouille de textes.Résumé : Le codage automatisé est devenu un enjeu médico-économique majeur.Deux étapes clés peuvent être individualisées parmi les méthodes proposées dans la littérature : une première consiste à fabriquer une terminologie médicale, une seconde à construire une ontologie agrégeant ces termes en concepts par la formalisation de liens logiques. Chacune de ces étapes peut être réalisée à dire d’expert et/ou par fouille de textes. Nous proposons une méthode entièrement automatisée pour réaliser ces deux étapes, l’ontologie finalement obtenue devant permettre de formaliser une relation simple entre des expressions et le codage selon la 10è Classification Internationale des Maladies (CIM-10).Méthodes : Nous utilisons des courriers hospitaliers en français (texte libre) issus de 8610 séjours pour lesquels nous disposons également du codage des diagnostics selon la CIM-10. Nous retenons 201 codes différents (codes présents plus de 30 fois). Tout d’abord, nous construisons une terminologie médicale par la recherche de motifs séquentiels au sein des courriers puis un filtre est appliqué. Ensuite nous réalisons, pour chaque code, une étape de sélection des expressions clés par fouille statistique de données. Nous fixons deux seuils de significativité permettant d’identifier d’une part les synonymes du libellé du code décrit et d’autre part les expressions appartenant à la symptomatologie de la pathologie ainsi codée.Résultats : Nous obtenons une terminologie comprenant plus de 60 000 expressions médicales. L’étape de fouille statistique de données associe à chaque code 14 synonymes et 45 symptômes (valeurs médianes). Nous disposons notamment des variants orthographiques couramment utilisés dans les courriers hospitaliers.Discussion/Conclusion : L’ontologie ainsi obtenue et son intérêt dans la construction de règles de prédiction du codage sont évaluées. La généralisation à davantage de diagnostics requiert l’utilisation d’un nombre plus élevé de séjours hospitaliers. Notre méthode n’est dépendante ni de la langue ni de la classification utilisées.Intervenant : FICHEUR Grégoire (CHRU de Lille, service d’information et des archives médicales, EA2694, Lille, France).Conférence enregistrée lors des journées EMOIS 2011 à Nancy. Session : systèmes d’informations. Modérateurs : Régis BEUSCART (CHRU de Lille, service d’information et des archives médicales, EA2694, Lille, France) , Sandra GOMEZ (ATIH - Lyon).Réalisation, production : Canalu U/3S, CERIMES.SCD Médecine.
Mot(s) clés libre(s) : codage automatisé, EMOIS Nancy 2011, fouille de données, ontologie médicale, terminologie médicale

Intervention d'André Elisseeff, du IBM Zurich Research Lab. Sont évoqués les sources de données, l'accès aux données et le data mining, c'est-à-dire les systèmes experts et les systèmes à base de règles. L'information médicale évolue depuis 10 ans : on a des images, des séries temporelles, des séquences ADN, des notes cliniques, etc. Il faut aussi que le médecin accepte l'outil d'aide à la décision. Son utilisation n'est pas courante et son implantation encore difficile.OrigineSystèmes d'information et décision en santé : Ecole d'été méditerranéenne d'information en santé (EEMIS), Corte, juillet 2005GénériqueSCD médecine Nancy
Mot(s) clés libre(s) : aide à la décision, data mining, droits du patient, éthique, évaluation, extraction de données, fouille de données, ingénierie de la santé, intégration de données, norme, pratique médicale, qualité des données, rationalité, santé, SI, système d'informatio