| 1 |
Reconciliation of patient/doctor vocabulary in a structured resource
|
|
|
|
In: ISSN: 1460-4582 ; Health Informatics Journal ; https://hal.archives-ouvertes.fr/hal-01810374 ; Health Informatics Journal, SAGE Publications, 2019, 25, pp.1219-1231. ⟨10.1177/1460458217751014⟩ ; https://journals.sagepub.com/home/jhi (2019)
|
|
BASE
|
|
Show details
|
|
|
| 2 |
FrenchSentiClass : an Automated System for French Sentiment Classification ; FrenchSentiClass : un Système Automatisé pour la Classification de Sentiments en Français
|
|
|
|
In: Actes de l’atelier DEFT de la conférence TALN 2017 ; DEFT: Défi Fouille de Texte ; https://hal-lirmm.ccsd.cnrs.fr/lirmm-01563411 ; DEFT: Défi Fouille de Texte, Jun 2017, Orléans, France (2017)
|
|
BASE
|
|
Show details
|
|
|
| 3 |
Analysis of social health media to assess the quality of life of breast cancer patients ; Analyse des médias sociaux de santé pour évaluer la qualité de vie des patientes atteintes d’un cancer du sein
|
|
|
|
In: https://tel.archives-ouvertes.fr/tel-01919773 ; Autres [stat.ML]. Université Montpellier, 2017. Français. ⟨NNT : 2017MONTS039⟩ (2017)
|
|
BASE
|
|
Show details
|
|
|
| 4 |
Formalisation semi-automatique d'un vocabulaire patient/médecin dédié au cancer du sein
|
|
|
|
In: ISSN: 0992-499X ; EISSN: 1958-5748 ; Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle ; https://hal.archives-ouvertes.fr/hal-01583190 ; Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, Lavoisier, 2016, 30 (5), pp.533-556. ⟨10.3166/ria.30.533-556⟩ ; http://www.iieta.org/ojs/index.php/RIA/index (2016)
|
|
BASE
|
|
Show details
|
|
|
| 5 |
MuEVo, un vocabulaire multi-expertise (patient/médecin) dédié au cancer du sein
|
|
|
|
In: 27èmes Journées francophones d'Ingénierie des Connaissances ; IC: Ingénierie des Connaissances ; https://hal.archives-ouvertes.fr/hal-01379272 ; IC: Ingénierie des Connaissances, Jun 2016, Montpellier, France ; https://ic2016.sciencesconf.org (2016)
|
|
BASE
|
|
Show details
|
|
|
| 6 |
Acquisition du vocabulaire patient/médecin présent dans les forums de santé dédiés au cancer du sein
|
|
|
|
In: ISSN: 0398-7620 ; Epidemiology and Public Health / Revue d'Epidémiologie et de Santé Publique ; https://hal-lirmm.ccsd.cnrs.fr/lirmm-01165412 ; Epidemiology and Public Health / Revue d'Epidémiologie et de Santé Publique, Elsevier Masson, 2015, 63, pp.S66-S67. ⟨10.1016/j.respe.2015.03.066⟩ (2015)
|
|
Abstract:
IC2015, Session 1 : Méthodes et outils d’acquisition des connaissances, Rennes. EPI-CLIN 2015 ; National audience ; Introduction De nos jours, les forums de santé sont de plus en plus utilisés par les patients, notamment lorsqu’ils souffrent de maladies chroniques. En maintenant l’anonymat, ces forums leur permettent de discuter librement avec d’autres patients et parfois avec des professionnels de santé de leurs résultats médicaux, de leurs options de traitement mais également de recevoir un soutien moral. Dans des travaux précédents, nous nous sommes intéressés à l’étude de la qualité de vie des patientes atteintes d’un cancer du sein à partir des forums de santé. Nous avons cherché à capturer et à quantifier ce que les patientes expriment dans les forums afin de comparer les thèmes directement issus de leurs préoccupations à ceux étudiés dans les autoquestionnaires EORTC-QLQC30 et EORTC-BR23. Une importante limitation à ces travaux vient du type de textes traités. En effet, la plupart des patients sont des profanes dans le domaine médical. Lors de leurs échanges, ils utilisent de l’argot, des abréviations et un vocabulaire spécifique construit par la communauté en ligne à la place des termes médicaux que l’on retrouve dans les ressources terminologiques utilisées par les professionnels de santé (ex. MeSH, UMLS, SNOMED, CISMeF). Or, ces terminologies de référence sont centrales à l’application des méthodes d’extraction de connaissances. Notre objectif dans ce travail est de construire une ressource lexicale qui aligne le vocabulaire des patients à celui des professionnels de santé. Ce type de ressource sera utilisé pour améliorer la recherche d’information dans les forums (ex. expansion de requêtes basées sur le vocabulaire des patients) et faciliter à terme l’élaboration d’études statistiques basées sur les informations extraites de ces forums. D’autres utilisations peuvent être envisagées comme l’écriture des brochures à destination des patients qui intègrent des éléments de ce vocabulaire. Méthodes Dans un premier temps, nous avons récolté des messages à partir de forums recommandés aux patientes par la Ligue contre le cancer « www.cancerdusein.org », l’INCa « www.lesimpatientes.com » et de groupes Facebook d’échanges sur le cancer du sein. Ensuite, nous avons construit une ressource selon la chaîne de traitement suivante : – extraction des termes candidats basée sur des mesures fréquentielles ; – appariement des termes candidats patient/médecin sémantiquement similaire en utilisant une adaptation de la mesure de Levenshtein pour capturer les fautes d’orthographe fréquentes, l’inclusion pour les abréviations et l’alignement basé sur Wikipédia pour retrouver les termes co-occurrents. Résultats Quelques exemples d’associations détectées sur les données du site « www.cancerdusein.org » sont : correction orthographique : cirose - cirrhose, abcé - abcès ; inclusion : chimio - chimiothérapie, onco - oncologue ; termes co-occurrents : crabe - cancer, bouton - acné. Pour valider nos résultats, nous allons procéder, d’une part, à une validation automatique partielle en utilisant une ressource lexicale appariant des termes utilisés par le grand public, donc non spécialisé en santé, et d’autre part, à une validation manuelle qui sera faite par des oncologues spécialistes du cancer du sein. Conclusion Nous avons proposé une approche permettant de relier les termes utilisés par les patients aux termes utilisés par les professionnels de santé. Cette ressource est une brique essentielle pour exploiter automatiquement le contenu des forums de santé.
|
|
Keyword:
[INFO.INFO-TT]Computer Science [cs]/Document and Text Processing; Cancer du sein; Extraction d’information; Forum de santé
|
|
URL: https://hal-lirmm.ccsd.cnrs.fr/lirmm-01165412
https://doi.org/10.1016/j.respe.2015.03.066
|
|
BASE
|
|
Hide details
|
|
|
| 7 |
ADVANSE: Sentiment, Opinion and Emotion Analysis in French Tweets ; ADVANSE : Analyse du sentiment, de l’opinion et de l’émotion sur des Tweets Français
|
|
|
|
In: DEFT: Défi Fouille de Texte ; https://hal.archives-ouvertes.fr/hal-01222629 ; DEFT: Défi Fouille de Texte, Jun 2015, Caen, France (2015)
|
|
BASE
|
|
Show details
|
|
|
| 8 |
Construction d'un vocabulaire patient/médecin dédié au cancer du sein à partir des médias sociaux
|
|
|
|
In: 26èmes Journées francophones d'Ingénierie des Connaissances ; IC: Ingénierie des Connaissances ; https://hal.archives-ouvertes.fr/hal-01166796 ; IC: Ingénierie des Connaissances, Institut National de Recherche en Informatique et en Automatique (INRIA). FRA., Jun 2015, Rennes, France (2015)
|
|
BASE
|
|
Show details
|
|
|
| 9 |
Explain sentiments using Conditional Random Field and a Huge Lexical Network
|
|
|
|
In: 2nd Annual International Symposium on Information Management and Big Data ; SIMBig: Symposium on Information Management and Big Data ; https://hal.archives-ouvertes.fr/hal-01222611 ; SIMBig: Symposium on Information Management and Big Data, Sep 2015, Cusco, Peru ; http://simbig.org/SIMBig2015/ (2015)
|
|
BASE
|
|
Show details
|
|
|
|
|
