Résumé du projet

L’existence d’interactions médicamenteuses dans les prescriptions est un risque pour le patient et le reflet de pratiques améliorables. Ces problèmes ont déjà été quantifiés par des études sur les données issues des soins. Néanmoins, pour être crédibles et reproductibles, ces études doivent avoir une méthodologie rigoureuse. En effet, la façon de chercher les interactions médicamenteuses, les référentiels utilisés, les données disponibles (posologie, contexte patient...), vont avoir une influence sur le dénombrement de ces interactions, car certaines pouvant être détectées à tort (faux positifs), d’autres omises (faux negatifs).

L’objectif du projet ReMIAMes est de proposer un cadre méthodologique permettant de mesurer de manière valide et reproductible la fréquence des interactions médicamenteuses dans les prescriptions retrouvées dans les entrepôts de données de santé et de quantifier l’erreur potentielle sur la mesure de leur nombre en fonction des données disponibles et de leur méthodes d’extraction.

Le projet ReMIAMes réunit des compétences en ingénierie des connaissances, en traitement automatique de la langue, en fouille de données, en épidémiologie, en pharmacie, en entrepôt de données via 2 laboratoires (LIMICS et Equipe Projet Données Massive du LTSI) et 3 CHU (Rouen, Rennes et APHP).

Il conduira à l’élaboration d’une ontologie formelle des interactions et de leur contexte d’apparition, à la constitution de bases de règles permettant de détecter une interaction et de vérifier la complétude de la description des cas présentés pour réaliser cette détection. L’ensemble sera intégré dans un système d’aide à la décision réalisant un raisonnement à base de règles et de subsomption. Les données des différents CHU seront intégrées dans un modèle pivot qui sera l’entrée du système d’aide à la décision. Les stratégies d’extraction, de normalisation des données mises en œuvre seront celles donnant le plus de plausibilité aux données, et seront assorties d’indicateur qualité.

De ce projet résulteront des ressources ontologiques et terminologiques décrivant les interactions et leur contexte disponibles sous licence libre, un modèle pivot d’interopérabilité dont la description enrichira les modèles internationaux existants, des recommandations pour l’extraction des données et la mesure de leur qualité, une plateforme intégrative permettant la mesure des cas d’interactions médicamenteuses en tenant compte des hypothèses quant à la qualité et à la complétude des données fournies.


Project summary

The existence of drug interactions in prescriptions is a risk for the patient and a reflection of improvable practices. These problems have already been quantified by studies on health care data. Nevertheless, to be credible and reproducible, these studies must have a rigorous methodology. Indeed, the way to look for drug interactions, the reference systems used, the available data (dosage, patient context ...), will have an influence on the counting of these interactions, because some of them can be detected wrongly (false positives), and others can be omitted (false negatives).

The objective of the ReMIAMes project is to propose a methodological framework to validly and reproducibly measure the frequency of drug interactions in the prescriptions found in health data warehouses and to quantify the potential error in measuring their number according to the available data and their extraction methods.

The ReMIAMes project brings together skills in knowledge engineering, automatic language processing, data mining, epidemiology, pharmacy, data warehouse via 2 research laboratories (LIMICS and LTSI Massive Data Project Team) and 3 teaching hospitals (TH)( Rouen, Rennes and Paris).

It will lead to the development of a formal ontology of the interactions and their context of appearance, to the constitution of bases of rules allowing to detect an interaction and to check the completeness of the description of the cases presented to carry out this detection. The set will be integrated into a decision support system whose reasoning relies on rules and subsumptions. The data from the different THs will be integrated into a pivot model that will be the input of the decision support system. The extraction and data standardization strategies implemented will be those giving the most plausibility to the data, and will be accompanied by quality indicators.

This project will result in ontological and terminological resources describing the interactions and their context and available under free license, a pivot model of interoperability whose description will enrich existing international models, guidelines for the extraction of data and measurement of their quality, an integrative platform to measure cases of drug interactions taking into account the assumptions concerning the quality and the completeness of the data provided.

Traitement en cours ...