Recherche
Rapprocher des patients sans les fusionner à tort
Un score plutôt qu'une règle unique, trois seuils de confiance, un test placebo pour mesurer le hasard et une vérification humaine chaque mois : relier les sources sans créer de patients chimériques.
Le problème
Le même patient apparaît dans plusieurs cohortes, exports d’examens et registres, avec une faute de frappe, un nom d’usage, un jour et un mois inversés. Fusionner trop vite crée des patients chimériques ; ne pas fusionner laisse des doublons qui faussent les effectifs. Une règle unique (« même nom et même date de naissance ») échoue dans les deux sens.
La méthode pas à pas
- Un score, pas une règle unique : l’identité est comparée avec une tolérance aux fautes (accents, nom d’usage, inversion nom-prénom), la date de naissance avec une tolérance (jour et mois inversés, un chiffre décalé), puis un faisceau d’arguments (sexe, dates d’examens compatibles, centre d’origine) ajoute ou retire des points.
- Trois seuils : certain (fusion), probable (fusion marquée comme telle), douteux (non fusionné). Jamais de fusion sur un seul paramètre, même identique.
- La règle « date de naissance unique » : une date de naissance partagée par plusieurs personnes, comptée sur tout le périmètre et pas seulement dans le fichier en cours, ne vaut plus comme argument fort. Une fiche ne peut être reliée qu’à un petit nombre d’autres au plus ; au-delà, c’est un signal d’erreur, pas un patient très suivi.
- Le douteux reste en base avec son score et son motif. Il n’est ni supprimé ni fusionné : au moment de la requête, une case « inclure les liens douteux » permet de voir si le résultat en dépend.
- Un test placebo : on décale artificiellement toutes les dates de naissance de quelques jours et on relance le rapprochement. Les liens encore trouvés sont dus au hasard : c’est le « taux de hasard » du critère, qui doit rester très bas.
- Une vérification humaine mensuelle : un échantillon tiré au hasard parmi les liens « certains » est relu par une personne autorisée, sur le poste ; le taux de faux positifs est noté et suivi d’un mois sur l’autre.
- Chaque fusion est tracée (version de l’index, score, arguments, date) et peut être défaite sans perte ; une correction donne une nouvelle version de l’index.
- Les incidents deviennent des tests : une fusion à tort entre deux personnes qui partageaient la même date de naissance et un nom proche a donné la règle de l’étape 3 ; des faux patients nés d’une feuille transposée (des en-têtes lus comme des identités) ont donné un contrôle à chaque import.
Le livrable
Un index de rapprochement à trois niveaux de confiance, un taux de hasard mesuré, un taux de faux positifs suivi chaque mois, et des effectifs qui ne bougent plus d’une version à l’autre sans raison.
Garde-fous
Le rapprochement se fait sur le poste autorisé, à partir du coffre : Claude écrit et teste le script sur un jeu fictif, la personne autorisée l’exécute. Aucune identité ne passe dans la conversation, seuls les effectifs par niveau en ressortent. Aucun lien n’est supprimé ; une fusion se défait, elle ne s’efface pas.
Prompt de départ
Voici la structure (noms de colonnes uniquement) de deux sources à rapprocher. Écris un script de rapprochement par score avec trois seuils (certain, probable, douteux), la règle « date de naissance unique » comptée sur tout le périmètre, un test placebo par décalage des dates et un rapport en effectifs seuls. Teste-le sur un jeu fictif que tu génères. N’ouvre aucune donnée patient.