FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W2936004637> ?p ?o ?g. }

• W2936004637 abstract "Introduction A l’heure de la medecine personnalisee, les etudes cliniques sont une opportunite pour les patients et un challenge pour les investigateurs. Les criteres de selection etant de plus en plus complexes, l’identification des patients eligibles est chronophage, couteuse et souvent infructueuse. L’informatisation des dossiers medicaux devrait permettre l’utilisation en routine d’outils automatises de pre-screening. L’objectif de ce travail etait de developper une application informatique permettant de fouiller les dossiers medicaux afin d’emettre une alerte automatique lorsqu’un patient eligible est detecte. Methodes Au Centre Antoine Lacassagne (CAL) les dossiers medicaux (DM) sont informatises et stockes dans le logiciel Clinicom®. Ils sont exportes quotidiennement sous forme de fichiers texte. PAPY (Pre-screening par Python®), a ete developpe afin de recuperer ces DM et les indexer. Il va ensuite rechercher dans les DM, a l’aide d’expressions regulieres, les patients eligibles. La performance de PAPY a ete evaluee sur l’etude « Iodine Breast : NCT02759133  ». Toutes les patientes venues au CAL d’avril a juillet 2018 pour un cancer du sein ont ete evaluees (population source). Trois cohortes de patientes ont ete constituees et comparees. Cohorte C1 : toutes les patientes eligibles evaluees manuellement sur la population source (cinq minutes de relecture par dossier). Cohorte C2 : patientes incluses dans l’etude en pratique standard (patientes identifiees lors des consultations). Cohorte C3 : patientes detectees par PAPY. La performance a ete evaluee par le calcul de la sensibilite, specificite, vrais positifs, faux positifs, gain de temps. Resultats La population source etait constituee de 184 patientes, la cohorte C1 etait de 23 patientes (100 %). La pratique standard (C2) inclus 15/23 (65 %) patientes eligibles. PAPY (C3) identifie 26 patientes eligibles dont 14/23 (60 %) appartiennent a C1 et 9/15 (60 %) appartiennent a C2 ; 5/26 (20 %) patientes de C3 n’ont pas ete detectees dans C2 mais sont eligibles (C1) et 12/26 (35 %) patientes sont des faux positif. Trois (13 %) des patientes de C1 ne sont ni incluses en pratique standard ni identifiees par PAPY. L’analyse montre que la pratique standard a une sensibilite de 0,65 [0,45, 0,80] et une specificite de 100 %, PAPY est proche 0,60 [0,41, 0,77] avec une specificite de 0,92 [0,87, 0,95]. Le temps necessaire pour analyser les dossiers C1 est de 46 heures, le temps de controle manuel des 23 dossiers selectionnes par PAPY a ete estime a 1 heures 55 minutes. Conclusion PAPY est proche de la pratique standard (sensibilite : 0,60 versus 0,65). Malgre 35 % de faux positifs, le gain de temps reste considerable, seules les patientes detectees etant evaluees pour l’inclusion. PAPY detecte 20 % de patientes eligibles mais non incluses et peut donc venir en complement de la pratique courante. PAPY se heurte aux problemes connus des systemes automatises de recrutement tels que le temps de validation des comptes rendus medicaux et la disponibilite du personnel hospitalier pour les inclusions. PAPY a ete utilise en routine pour sept etudes, des e-mails automatiques sont envoyes a chaque detection de patient eligible. Afin de diminuer le taux de faux positifs, l’integration des criteres de non inclusion a l’aide d’expressions negatives est en cours. Une collaboration avec l’equipe de linguistique Base, Corpus, Langage (UMR7320) devrait permettre une meilleure selection des patients en ameliorant l’identification de termes." @default.
• W2936004637 created "2019-04-25" @default.
• W2936004637 creator A5012363639 @default.
• W2936004637 creator A5023675047 @default.
• W2936004637 creator A5056472879 @default.
• W2936004637 creator A5058474690 @default.
• W2936004637 creator A5066227680 @default.
• W2936004637 creator A5074008035 @default.
• W2936004637 creator A5089518299 @default.
• W2936004637 date "2019-05-01" @default.
• W2936004637 modified "2023-10-02" @default.
• W2936004637 title "PAPY : Pré-screening par Python : une méthode informatique pour détecter les patients éligibles aux études cliniques" @default.
• W2936004637 doi "https://doi.org/10.1016/j.respe.2019.03.091" @default.
• W2936004637 hasPublicationYear "2019" @default.
• W2936004637 type Work @default.
• W2936004637 sameAs 2936004637 @default.
• W2936004637 citedByCount "0" @default.
• W2936004637 crossrefType "journal-article" @default.
• W2936004637 hasAuthorship W2936004637A5012363639 @default.
• W2936004637 hasAuthorship W2936004637A5023675047 @default.
• W2936004637 hasAuthorship W2936004637A5056472879 @default.
• W2936004637 hasAuthorship W2936004637A5058474690 @default.
• W2936004637 hasAuthorship W2936004637A5066227680 @default.
• W2936004637 hasAuthorship W2936004637A5074008035 @default.
• W2936004637 hasAuthorship W2936004637A5089518299 @default.
• W2936004637 hasConcept C142362112 @default.
• W2936004637 hasConcept C15708023 @default.
• W2936004637 hasConcept C29456083 @default.
• W2936004637 hasConcept C71924100 @default.
• W2936004637 hasConceptScore W2936004637C142362112 @default.
• W2936004637 hasConceptScore W2936004637C15708023 @default.
• W2936004637 hasConceptScore W2936004637C29456083 @default.
• W2936004637 hasConceptScore W2936004637C71924100 @default.
• W2936004637 hasLocation W29360046371 @default.
• W2936004637 hasOpenAccess W2936004637 @default.
• W2936004637 hasPrimaryLocation W29360046371 @default.
• W2936004637 isParatext "false" @default.
• W2936004637 isRetracted "false" @default.
• W2936004637 magId "2936004637" @default.
• W2936004637 workType "article" @default.