Active learning for extracting rare adverse events from electronic health records: A study in pediatric cardiology.

Journal: International journal of medical informatics
PMID:

Abstract

OBJECTIVE: Automate the extraction of adverse events from the text of electronic medical records of patients hospitalized for cardiac catheterization.

Authors

  • Sophie Quennelle
    Inserm, UMR_S1138, Centre de Recherche des Cordeliers, Sorbonne Université, Paris, France; Inria, équipe HeKA, PariSantéCampus, Paris, France; M3C-Necker, Hôpital Universitaire Necker-Enfants malades, Assistance Publique-Hôpitaux de Paris, Paris, France; Université Paris Cité, Paris, France. Electronic address: sophie.quennelle@protonmail.com.
  • Sophie Malekzadeh-Milani
    M3C-Necker, Hôpital Universitaire Necker-Enfants malades, Assistance Publique-Hôpitaux de Paris, Paris, France.
  • Nicolas Garcelon
    Plateforme data science - institut des maladies génétiques Imagine, Inserm, centre de recherche des Cordeliers, UMR 1138 équipe 22, institut Imagine, Paris-Descartes, université Sorbonne- Paris Cité, Paris, France.
  • Hassan Faour
    Data Science Platform, Imagine Institute, Université Paris Cité, Paris, France.
  • Anita Burgun
    Hôpital Necker-Enfants malades, AP-HP, Paris, France.
  • Carole Faviez
    Centre de Recherche des Cordeliers, Sorbonne Université, INSERM, Université de Paris, Paris, France.
  • Rosy Tsopra
    LIMICS, INSERM UMRS 1142, Université Paris 13, Sorbonne Paris Cité, 93017 Bobigny, France UPMC Université Paris 6, Sorbonne Universités, Paris.
  • Damien Bonnet
    M3C-Necker, Hôpital Universitaire Necker-Enfants malades, Assistance Publique-Hôpitaux de Paris, Paris, France; Université Paris Cité, Paris, France.
  • Antoine Neuraz
    Institut National de la Santé et de la Recherche Médicale (INSERM), Centre de Recherche des Cordeliers, UMR 1138 Equipe 22, Paris Descartes, Sorbonne Paris Cité University, Paris, France.