On parle du mésusage de médicaments lorsque les patients
ne respectent pas les prescriptions ou le bon usage de médicaments, ce
qui peut mener à des situations potentiellement dangeureuses. Parmi
les mésusages les plus fréquents, se trouvent par exemple le
non-respect du dosage (sur-dosage ou sous-dosage) ou la prise de
médicaments pour des indications différentes de celles pour lesquelles
ils ont été prescrits.
Il est estimé que la non-adhérence aux prescriptions est
d'environ 50% chez les malades chroniques dans les pays
industrialisés, et que le taux de non-adhésion est supérieur dans les
pays en voie de développement [1]. Cela indique qu'il existe un vrai
problème de santé publique. En effet, les chercheurs indiquent que
l'amélioration d'adhésion peut avoir un impact bien plus positif sur
la santé de la population que des progrès effectués dans des
traitements médicaux spécifiques [2].
Actuellement, il existe très peu d'information sur les
mésusages : les patients ne les signalent pas aux médecins ni aux
autorités de santé. Il est donc nécessaire d'analyser d'autres sources
d'information [3-6]. Nous proposons d'étudier les informations
disponibles dans les réseaux sociaux et les forums de discussion
relatifs à la santé en français [7].
L'objectif de ce travail de stage consiste à proposer et
tester des méthodes automatiques pour explorer de grands volumes de
données pour détecter de nouveaux cas de mésusages dans les réseaux
sociaux. Pour la réalisation du stage, des méthodes d'Intelligence
Artificielle, de Traitement Automatique de la Langue et de fouille de
textes seront utilisées.
Plus spécifiquement, le stagiaire devra effectuer les
tâches suivantes:
- travailler avec des corpus de textes
- exploiter de méthodes de TAL, d'IA
- travailler avec les algorithmes d'apprentissage supervisé
- évaluer les résultats obtenus
- faire des présentations lors des réunions
- lire des articles et rédiger les rapports
Le stagiaire sera amené à utiliser des outils existants et
à développer ses propres programmes pour mieux traiter les
données.
Prérequis:
- connaissances en IA, TAL et informatique
- manipulation et test des outils d'IA et de TAL
- habitude de Linux
- capacité de travailler en équipe et individuellement
- lecture et analyse de la littérature scientifique, y compris en anglais
- autonomie
Le stage est rémunéré selon les règles en vigueur.
- Niveau: Master, ingénieur
- Durée: 6 mois
- Lieu: Paris
Pour présenter une candidature: envoyer un CV, la lettre
de motivation, le relevé de notes et les contacts de deux
référents à Élise Bigeard (bigeard@limsi.fr) et
Natalia Grabar (natalia.grabar@univ-lille.fr)
et
REFERENCES:
- WHO (2003). Adherence to Long-Term Therapies: Evidence for
Action. Technical report, WHO. Available online at:
http://www.who.int/chp/knowledge/ publications/adherence_report/en/
(2018/06/01).
- Haynes, R. B., McDonald, H., Garg, A. X., and Montague,
P. (2002). Interventions for helping patients to follow prescriptions
for medications. Cochrane Database Q11 Syst. Rev. CD000011. doi:
10.1002/14651858.CD000011
- Feehan, M., Morrison, M. A., Tak, C., Morisky, D. E., DeAngelis,
M. M., and Munger, M. A. (2017). Factors predicting self-reported
medication low adherence in a large sample of adults in the US general
population: a cross-sectional study. BMJ Open 7:e014435. doi:
10.1136/bmjopen-2016- 014435
- Natarajan, N., Putnam, W., Van Aarsen, K., Beverley Lawson, K., and
Burge, Q9 F. (2013). Adherence to antihypertensive medications among
family practice patients with diabetes mellitus and
hypertension. Can. Fam. Physician 59, e93–e100
- Cameron, D., Smith, G. A., Daniulaityte, R., Sheth, A. P., Dave,
D., Chen, L., et al. (2013). Predose: a semantic web platform for drug
abuse epidemiology using social media. J. Biomed. Inform. 46,
985–997. doi: 10.1016/j.jbi.2013. 07.007
- Kalyanam, J., Katsuki, T., Lanckriet, G. R. G., and Mackey,
T. K. (2017). Exploring trends of nonmedical use of prescription drugs
and polydrug abuse in the twittersphere using unsupervised machine
learning. Addict. Behav. 65, 289–295. doi:
10.1016/j.addbeh.2016.08.019
- Bigeard, É., Grabar, N., and Thiessard, F. (2018). Detection and
Analysis of Drug Misuses. A Study Based on Social Media
Messages. Frontiers in Pharmacology, Front Pharmacol. 2018 Jul
26;9:791. doi: 10.3389/fphar.2018.00791. eCollection 2018.