Informations, Donnes, Connaissances

Informations

Renseignement, fait qui apporte des renseignements nouveaux Information prsente sous forme conventionnelle, en vue d'tre traite Rgles utilisant les donnes pour en dduire d'autres Science du traitement rationnel, notamment par machine automatique, de l'information considre comme le support des connaissances et des communications dans les domaines techniques, conomiques et sociaux (Acadmie Franaise, 1967

Donnes

Connaissances

Informatique

Qualit des donnes

Utilit : caractre indispensable Objectivit : reprsentation fidle, exempte de prjug

forte (ralit indpendante de celui qui interprte : illusoire ?) faible (reproductibilit) en mdecine

Validit

signes subjectifs (interrogatoire -cliniques) signes objectifs (laboratoires - numriques)

Permanente / Temporaire

Exactitude (Exactness) : reflet de la ralit (moy. observe mesures = valeur vraie) Prcision (Accuracy) : lie au niveau d'approximation, l'unit de mesure (dpend surtout de la sensibilit : aptitude dceler une faible diffrence) Fiabilit (Reliability) : confiance inspire (en rapport avec la spcificit : mesure-t-on ce qu'on est cens mesurer ?) Donnes permanentes : Sexe, date de naissance... Donnes temporaires : examen clinique, diagnostic, traitement

Exemple

Exactitude et prcision

V Exact Peu Prcis V V' Non Exact Prcis

V Exact Prcis

Variabilit

Des sujets : variabilit biologique Des observateurs :

inter-observateurs intra-observateurs

Des donnes et mesures :

Observateurs Intra-Sujet Inter-Sujets

Instrumentale

V. Analytique (de mesure)

V. Biologique

V. TOTALE

Quelques types de donnes

Qualitatives :

littrales (nom, adresse ...) binaires (sexe) Nominales (couleur)

alphanumrique ou texte boolen code numr

Ordinales

Quantitatives :

(dpendance)

numrique numrique entier date

Dates et Heures

continues (taille ) discontinues (nbre d'enfants) date et heure

Description clinique

Interprtation des nombres et des mots

Frquent, souvent,.=> quelle valeur

Interprtation des associations

Typique, rare,. => association fortuite ou relle ?

De la description littrale la smiologie quantitative

Un compte rendu dhospitalisation

Madame X a t hospitalise en urgence pour des douleurs thoraciques rtrosternales caractristiques irradiant dans le bras gauche dont les premiers pisodes remontent 2 ans avec survenue l'effort ou au froid. Il n'y avait pas d'OAP. Les enzymes cardiaques taient leves avec un trac ECG permettant d'affirmer le diagnostic d'infarctus postrieur du myocarde. Cette patiente, obse (120KG), est porteuse d'un diabte quilibr dont nous n'avons pas modifi le traitement insulinique. Elle prsente galement une hypercholestrolmie 3,2 g/l. Malgr nos recommandations, elle continue fumer environ 2 paquets de cigarettes par jour. Au niveau gyncologique, elle a un syndrome prmnopausique assez bien tolr pour lequel aucun traitement n'a t envisag. Dans les antcdents, on ne note pas d'IVG, mais une HTA en 86. Le bilan habituel et le traitement par angioplastie endoluminale de cet infarctus ont permis de laisser sortir la patiente au bout de 15 jours.

Premire tape : extraction

En gras concepts sans ambiguit En italique rouge donnes interprter en fonction du contexte et des connaissances mdicales En bleu abrviations et donnes ininterprtables

Extraction
Madame X a t hospitalise en urgence pour des douleurs thoraciques rtrosternales caractristiques irradiant dans le bras gauche dont les premiers pisodes remontent 2 ans avec survenue l'effort ou au froid. Il n'y avait pas d'OAP. Les enzymes cardiaques taient leves avec un trac ECG permettant d'affirmer le diagnostic d'infarctus postrieur du myocarde. Cette patiente, obse (120KG), est porteuse d'un diabte quilibr dont nous n'avons pas modifi le traitement insulinique. Elle prsente galement une hypercholestrolmie 3,2 g/l. Malgr nos recommandations, elle continue fumer environ 2 paquets de cigarettes par jour. Au niveau gyncologique, elle a un syndrome prmnopausique assez bien tolr pour lequel aucun traitement n'a t envisag. Dans les antcdents, on ne note pas d'IVG, mais une HTA en 86. Le bilan habituel et le traitement par angioplastie endoluminale de cet infarctus ont permis de laisser sortir la patiente au bout de 15 jours.

Interprtation

Fonction des connaissances mdicales

douleurs thoraciques rtrosternales caractristiques irradiant dans le bras gauche dont les premiers pisodes remontent 2 ans avec survenue l'effort ou au froid.

Angor

Dcodage des abrviations

Parfois impossible
OAP. ECG IVG.

Oedme aigu du poumon lectrocardiogramme Insuffisance ventriculaire gauche / Interruption volontaire de grossesse

HTA

Hypertension artrielle / Hystrectomie totale par voie abdominale

Structuration par problme mdical

Rattacher les diffrents lments un problme mdical prcis (quand cela est possible)
Madame X Infarctus postrieur aigu du myocarde avec Angor ancien, trac ECG caractristique Enzymes cardiaques leves sans Oedme aigu du poumon Autres problmes actuels Diabte insulinodpendant Hypercholestrolmie Tabagisme - Obsit Syndrome prmnopausique ? Problme pass pouvant avoir des consquences Hystrectomie totale par voie abdominale en 1986
Actes diagnostiques : Bilan habituel Traitement : Angioplastie endoluminale

Codage des informations

Utilisation dun langage formel : C'est la seule manire d'viter la polysmie et de pouvoir envisager des traitements automatiques sur les donnes. Nomenclatures ou catalogues :

Dictionnaires :

Collection mthodique, liste systmatique des termes ou mots en usage, des informations concernant un champ smantique dfini (art, technique, science, mdecine...) Un libell (libre, long) <==> Un code Si possible exhaustive Objectif : dcrire Exemple : la nomenclature gnrale des actes professionnels (NGAP) utilise pour la tarification des actes en mdecine librale Recueil de mots, d'expressions d'un langage, prsents dans un ordre convenu et destin apporter des informations sur des termes, des signes ... Objectif : dfinir

Codage des informations

Thsaurus :

Rpertoire (alphabtique) de Nomenclatures Relations :

d'appartenance de proximit smantique (analogie) de synonymie d'exclusion

Classifications

Exemple : MESH Objectif : analyser et chercher

Action de distribuer par classe, par catgorie dfinie a priori en fonction des connaissances du moment Consiste ranger dans un mme groupe et dsigner du mme nom des faits, objets ou tres qui possdent en commun certaines caractristiques Thsaurus structur - hirarchis Exemple : CIM 10 Objectif : classer pour pouvoir rassembler de manire hirarchique le plus souvent

Codage des informations

Utilisation de classifications partages par les pairs en vue dobtenir un traitement automatique de linformation par un ordinateur

Hypertension artrielle essentielle : I10 en CIM 10 Dnombrer et raliser des statistiques (pidmiologie) Connecter lobservation des systmes daide comme les guides de bonnes pratique cliniques

Pour

Notion de diagnostic et autres motifs de recours

Diagnostics :

Autres motifs de recours

Maladies identifies Complications Signes symptmes Facteurs de risque Circoncision rituelle . Exemple :

Quelle dfinition pour quel usage

certificat de mortalit PMSI Maladies dclaration obligatoire

Smiologie quantitative

Prvalence / Incidence

Prvalence : Frquence de la maladie dans la population Incidence frquence des nouveaux cas dans une population par unit de temps Sensibilit : frquence de la prsence dun signe chez les malades Spcificit : frquence de labsence dun signe chez les non malades Problme de la valeur seuil

Sensibilit / spcificit

Valeur prdictive

VPP : frquence de la maladie quand le signe est prsent VPN : frquence de labsence de la maladie quand le signe est absent

Le tableau 4 cases dans un chantillon reprsentatif

La notion de signe prsent

Soit un signe qualitatif binaire : ruption Soit une valeur quantitative suprieure (infrieure) un seuil : glycmie > 1,2 g/L

Malade

Non Malade
B D B+D A+B C+D
A+B+C+D

Test +

A C A+C

Prvalence Sensibilit Spcificit

VPP VPN

= (A+C)/N = A/(A+C) = D/B+D

= A/(A+B) = D/(C+D)

Test Total

=N

Valeur seuil

Influence sur la sensibilit et la spcificit

Spcificit = 1 Faux positif Sensibilit = 1 Faux ngatif Augmentation de la spcificit Diminution de la sensibilit

Si seuil se dplace vers la droite :

Courbe de ROC

Probabilit de trouver au moins un rsultats anormal chez une personne en bonne sant

Calculable partir des sensibilits, spcificit et prvalence

Probabilit pour quun test soit anormal (%) 5 26 46 64 99,4

Nombre de test pratiqus 1 6 12 20 100

Discussion

Les indicateurs de la valeurs informationnelle sont utiles pour la stratgie diagnostique. Ils peuvent tre utiliss dans des systmes informatiques daide la dcision Mais :

La description de la population tudie correspond-elle ma pratique ? Les sujets examins dans ltude sont-ils comparables mes patients ? Quelle est la valeur du test choisi comme test de rfrence (gold standard) ? Permet-il dtablir le statut du patient avec certitude ? Linterprtation du test sest-elle faire en aveugle ? Les effets de la prvalence sont-ils examins soigneusement ?