Le principe d’extraction des trois critères

Le module d’appariement a pour objet d’extraire des cas, les trois critères que nous venons de présenter. Chacun de ces critères est soit identifié directement dans le cas par l’algorithme d’extraction des critères, avec demande de confirmation à l’auteur, soit

demandé à l’auteur directement. L’extraction des critères «!Pathologie!» et «!Objectifs!» est présentée ci-après.

® Les critères «!Pathologie!» et «!Objectifs!»

Le critère «!Pathologie!» peut être trouvé automatiquement dans les cas, par l’algorithme d’extraction de critères. En effet, la pathologie y est présente au sein d’une entité de type «!Maladie!». De plus, il s’agit nécessairement de la maladie qui a été confirmée dans le cas. Cette entité se trouve généralement dans une scène de type «!Diagnostic!». Ainsi, pour extraire la pathologie d’un cas, l’algorithme doit effectuer une recherche de cette entité. Une fois que l’algorithme a su identifier une telle entité, il ne lui reste plus qu’à demander à l’auteur de confirmer cette information.

Pour valider ce mode d’extraction, nous avons effectué, dans le corpus, un relevé manuel des entités selon ce principe de recherche. L’ensemble des pathologies ainsi collecté a ensuite été présenté à notre expert. Ce dernier a confirmé le relevé des pathologies, ce qui tend à valider le choix d’effectuer l’extraction de ce critère de façon automatique. La liste des pathologies identifiées dans les cas du corpus est présentée dans le tableau des critères, situé en annexe 3 de ce mémoire.

Le critère «!Objectifs!» est beaucoup plus délicat à déterminer automatiquement. En effet, il est assez subjectif de savoir, de façon analytique, quel est le pourcentage d’un cas dédié à l’évaluation de la douleur et quel est celui dédié à son traitement. Nous aurions pu choisir de définir des règles qui établissent une correspondance entre la structure des cas et leur pourcentage d’évaluation et de traitement. Cependant, nos cas étant issus directement de l’expérience des médecins, leur structure peut devenir assez complexe. La distinction entre les étapes du cas dédiées à l’évaluation, et celles plutôt consacrées au traitement, est assez difficile sans une «!intervention humaine!». De plus, les médecins savent assez naturellement déterminer quel est le pourcentage du cas dédié à l’évaluation de la douleur, et il est alors aisé d’en déduire le pourcentage dédié au traitement. Ainsi, nous avons choisi de faire en sorte que l’algorithme d’extraction de critères demande directement à l’auteur d’un cas, de quantifier les pourcentages constituant le critère «!Objectifs!». La contrainte appliquée par l’algorithme, pour aider l’auteur dans cette tâche, est alors de ne proposer que des couples de pourcentages dont la somme est égale à 100.

Ce principe de recueil des objectifs du cas a été validé par notre expert. En effet, nous avons, au cours d’une analyse du corpus, défini manuellement les objectifs de chacun des cas du corpus, en proposant des couples de pourcentages multiples de 25. Nous avons sollicité l’expert pour qu’il détermine à son tour les objectifs de chacun des cas du

corpus. Les pourcentages que ce dernier a attribué étaient différents des nôtres dans environ 20% des cas. Nous avions notamment attribué à deux cas des pourcentages de traitement égaux à 100%, alors que le praticien leur a donné un pourcentage de traitement de 90 et de 10 pour l’évaluation. La liste des objectifs identifiés dans les cas par notre expert est présentée dans le tableau des critères de l’annexe 3. Or le résultat de l’expert est celui qui prime dans cette configuration, puisque lui seul est à même de déterminer et de quantifier les objectifs pédagogiques sous-jacents de son propre cas. Ainsi, devant cette différence entre notre calcul semi-automatique et les quantifications de l’expert, nous avons conclu que notre approche pour déterminer les pourcentages était plutôt subjective et différente de ce que le médecin souhaite exprimer à propos du cas qu’il a décrit. L’extraction semi-automatique des objectifs a alors été écartée pour ce critère. De plus, nous avons ramené les choix de pourcentages proposés aux médecins à des multiples de 10, pour qu’ils puissent faire des propositions précises.

Voyons maintenant comment est extrait, à partir d’un cas, le critère «!stratégie!» de prise en charge de la douleur.

® Le critère «!Stratégie!»

Comme nous l’avons décrit dans le paragraphe 2.2, une stratégie de prise en charge de la douleur se définit par une stratégie d’évaluation et une stratégie de traitement de la douleur. Dans chacune de ces deux «!sous-stratégies!», des caractéristiques doivent être extraites à partir des cas par l’algorithme d’extraction de critères lui-même.

Dans le cadre de la stratégie d’évaluation de la douleur, la première caractéristique à extraire est l’âge du patient. Cette extraction peut être effectuée de façon automatique. Il suffit à l’algorithme de rechercher une entité de type «!signe terrain!» et de vérifier dans cette entité la valeur donnée à l’attribut «!Age!». Dans le cas où l’auteur n’aurait pas spécifié une telle entité dans le démarrage de son cas, l’algorithme prévoit de lui demander si l’enfant traité dans le cas à plus de 6 ans, moins de 4 ans ou entre les deux. Pour extraire d’un cas le mode d’évaluation de la douleur, plusieurs configurations sont possibles. Si le cas comporte une entité de type «!caractéristiques de la douleur!», dans laquelle l’attribut «!mode d’évaluation!» est renseigné, l’algorithme est alors en mesure de dire s’il s’agit d’une auto-évaluation, d’une hétéro-évaluation, ou d’une évaluation mixte. En revanche, si aucune information précise n’est fournie, l’algorithme n’est pas en mesure de déterminer lui-même le mode d’évaluation. Dans ce cas, le principe de l’algorithme est de soumettre à l’auteur l’hypothèse que le mode d’évaluation est «!fondé sur l’examen clinique!». Quelle que soit la configuration dans laquelle se trouve le cas (présence ou non d’une entité du type «!caractéristique de la douleur!»), une

confirmation est demandée à l’auteur, relative au mode d’évaluation employé, tout en lui soumettant la proposition du système.

Dans le cadre de la stratégie de traitement de la douleur, l’intensité de cette douleur peut être également identifiée par le système grâce à la recherche d’une entité de type «!Caractéristique de la douleur!» dans le cas. Là encore, si l’information n’a pas été fournie par l’auteur, le système demande à celui-ci de confirmer l’intensité de la douleur, que nous plaçons par défaut à «!intense!». En effet, nous sommes partis de la constatation qu’un cas décrit pour illustrer la prise en charge de la douleur, l’est le plus souvent dans le cadre de douleurs intenses, voire très intenses. Le palier de prescription est également identifiable en cherchant dans le cas les médicaments prescrits, et pour tout antalgique, leur appartenance à tel ou tel palier.

Enfin, pour déterminer la longueur du «!cycle évaluation-traitement!», l’algorithme compte tout simplement le nombre de scènes existant entre la première et la dernière scène d’évaluation ou de prescription trouvées dans le cas. Pour cela, il parcourt le cas, scène par scène, jusqu’à rencontrer une scène de type évaluation ou de type prescription. Lorsqu’une telle scène est trouvée, il s’agit de la première du cycle. L’algorithme parcourt ensuite les scènes suivantes jusqu’à ce qu’il ne rencontre plus de scènes du type prescription, évaluation ou bien contrôle. La dernière scène de ce type constitue alors la dernière scène du «!cycle évaluation-traitement!».

Notons au passage qu’en fonction des objectifs assignés aux cas, certaines caractéristiques définissant les critères d’appariement, peuvent ne pas être renseignées. Par exemple, on n’aura pas de palier dans un cas dédié à 100% à l’évaluation de la douleur, puisque 0% sont alors dédiés au traitement. En effet, si aucun traitement n’est prescrit, aucun antalgique ne peut être identifié. Cette constatation tend à confirmer notre hypothèse émise dans la section 1 de ce chapitre, selon laquelle tous les critères ne sont pas forcément renseignés. Le choix d’une approche d’appariement inspirée de la recherche du plus proche voisin semble donc plutôt pertinente.

La définition des critères et de leur mode d’extraction nous a ensuite permis de concevoir la modélisation des critères. Cette modélisation constitue alors le niveau des critères du modèle spécifique et fait l’objet du paragraphe suivant.