Exploitation des techniques de type NLP (Natural Langage Processing) pour l'étude et la régulation des flux aux urgences. Développement et application à l'étude des risques de traumatisme à partir des admissions aux urgences à Bordeaux.

par Gabrielle Chenais

Projet de thèse en Santé publique Informatique et Santé

Sous la direction de Emmanuel Lagarde.

Thèses en préparation à Bordeaux , dans le cadre de Sociétés, Politique, Santé Publique , en partenariat avec Bordeaux Research Center for Population Health (laboratoire) et de T7 - Prévention et prise en charge des traumatismes (equipe de recherche) depuis le 16-07-2020 .


  • Résumé

    Les traumas, accidentels ou intentionnels, constituent un problème majeur de santé publique. Plus d'un tiers des 21 millions de visites aux urgences françaises chaque année sont des traumatismes. En France, jusqu'à récemment, seule la sécurité routière faisait l'objet d'une attention revendiquant l'exhaustivité nationale de la surveillance épidémiologique, coordonnée par le ministère de l'Intérieur et sans lien fort avec le système de santé. Le système actuel de centralisation des résumés de visites aux services d'urgence (réseau OSCOUR®) constitue un puissant outil de surveillance en temps réel qui permet grâce au codage des diagnostics principaux et secondaires (codes CIM-10) de fournirn des indicateurs sur certaines pathologies saisonnières comme la grippe ou la gastro entérite. Cependant, ce type d'information n'est pas suffisant pour établir des indicateurs de surveillance liés aux traumatismes car le mécanisme ayant conduit au traumatisme (accident de la route, suicide violence, chute ...) n'est pas renseigné. L'ajout de mécanismes relatifs aux traumatismes permettrait une surveillance épidémiologique nationale des traumatismes,d'évaluer les stratégies de prévention et d'améliorer la gestion prédictive des flux de patients. Le motif détaillé de la venue aux urgences n'est pas disponible sous forme de base de données standardisée mais se trouve être décrit en détail au sein des notes cliniques rédigée en texte libre et qui sont stockées dans les dossiers médicaux électroniques. L'objectif global du projet est donc de développer un outil qui permettrait de créer les informations standardisées sur les mécanismes traumatiques à partir de ces textes cliniques. À cette fin, les techniques les plus récentes de traitement du langage naturel (NLP: Natural Language Processing), branche de l'Intelligence Artificielle, seront testées, comparées et appliquées.

  • Titre traduit

    Exploitation of NLP (Natural Langage Processing) techniques for the study and regulation of flows in emergency departments. Development and application to the study of trauma risks from emergency room admissions in Bordeaux.


  • Résumé

    Trauma, whether accidental or intentional, is a major public health problem. More than a third of the 21 million visits to French emergency departments every year is trauma. In France, until recently, only road safety was the subject of attention claiming national exhaustiveness of epidemiological surveillance, coordinated by the Ministry of the Interior and with no strong link with the health system. The current system for centralizing summaries of emergency department visits (OSCOUR® network) is a powerful real-time surveillance tool that, through the coding of primary and secondary diagnoses (ICD-10 codes), provides indicators on certain seasonal pathologies suchh as influenza or gastroenteritis. However, this type of information is not sufficient to establish surveillance indicators related to trauma because the mechanism that led to the trauma (motor vehicle accident, suicide, violence, fall, etc.) is not known. The addition of mechanisms related to trauma would allow for national epidemiological surveillance of trauma, evaluation of prevention strategies, etc., as well as the development of indicators for the prevention of trauma and improve predictive patient flow management. The detailed reason for coming to the emergency department is not available in a standardized database but is described in detail in free-text clinical notes that are stored in electronic medical records. The overall objective of the project is therefore to develop a tool that would allow the creation of standardized information on trauma mechanisms from these clinical texts. To this end, the latest NLP (Natural Language Processing) techniques as part of Artifiial Intelligence will be tested, compared and applied.