Assessing disease risk : a process and information system design that support the construction of a risk score adapted to the context, application on breast cancer
Evaluation du risque de maladie : conception d'un processus et d'un système d'information permettant la construction d'un score de risque adapté au contexte, application au cancer du sein
Résumé
Although there are many risk scores in the health field to predict disease risk, they are not as used as they could be to individualize and enhance prevention based on an estimated risk level. In order to facilitate the production of risk scores that are efficient in detecting high risk profiles and that fit to the context of use, we suggest a risk score building process. In order to conduct experiments, we build an information system architecture that supports the building and use process of risk scores. Thanks to the implementation of this architecture, we use our process to experiment the creation of breast cancer risk scores based on a publicly available american database and on the E3N French cohort study database. Using the breast cancer example, we show that it is possible to obtain comparable performances in terms of discrimination and better performances in calibration than available risk scores of the literature, using a readable k-nearest-neighbor algorithm and less attributes.
Bien que de nombreux scores existent dans le domaine de la santé pour prédire un risque de maladie, ceux-ci sont peu utilisés alors qu'ils pourraient servir à individualiser la prévention pour la renforcer en fonction du niveau de risque estimé. Pour faciliter la production de scores performants dans la détection des profils à risque et adaptés au contexte d'utilisation, nous proposons un processus de construction de scores de risque. Afin de mener des expérimentations, nous spécifions l'architecture d'un système d'information qui supporte les processus de production et d'utilisation de scores de risque. Grâce à la mise en oeuvre d'une partie de cette architecture, nous utilisons notre processus pour expérimenter la création de scores de risque du cancer du sein basés sur une base de données américaine publique et sur les données françaises de l'étude de cohorte E3N. Sur l'exemple du cancer du sein, nous montrons qu'il est possible d'obtenir des performances comparables en termes de discrimination et supérieures en termes de calibration à celles de la littérature avec l'algorithme des plus proches voisins qui est compréhensible par les médecins et patients, tout en utilisant moins d'attributs.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...