Des chercheurs de l'Institut national des sciences des données de santé de l'Université de Pékin et du Département d'épidémiologie clinique et de biostatistique de l'Hôpital populaire de l'Université de Pékin ont mené une revue systématique complète évaluant les stratégies permettant de traiter les données manquantes dans les dossiers de santé électroniques (DSE). Publié dans Science des données de santél'étude souligne l'importance croissante des méthodes d'apprentissage automatique par rapport aux approches statistiques traditionnelles pour gérer efficacement les scénarios de données manquantes.
Les dossiers de santé électroniques sont devenus la pierre angulaire de la recherche moderne sur les soins de santé, permettant l’analyse des essais cliniques, des études sur l’efficacité des traitements et des recherches sur les associations génétiques. Cependant, les données manquantes restent un problème persistant, introduisant potentiellement des biais et compromettant la fiabilité des résultats. Cette étude a examiné 46 articles de recherche publiés entre 2010 et 2024, comparant systématiquement les performances des méthodes statistiques traditionnelles, telles que l'imputation multiple par équations chaînées (MICE), avec des approches modernes d'apprentissage automatique telles que les réseaux contradictoires génératifs (GAN) et les k-plus proches voisins ( KNN).
Les résultats révèlent que les techniques d’apprentissage automatique, en particulier les méthodes basées sur le GAN et l’imputation de séries chronologiques contextuelles (CATSI), ont systématiquement surpassé les approches statistiques traditionnelles dans la gestion des ensembles de données longitudinales et transversales. Pour les données longitudinales, Med.KNN et CATSI ont montré des performances supérieures, tandis que l'analyse probabiliste en composantes principales (ACP) et MICE étaient plus efficaces pour les ensembles de données transversales.
Les méthodes d’apprentissage automatique sont très prometteuses pour remédier aux données manquantes dans les DSE. Cependant, aucune approche unique n'offre une solution universellement applicable, ce qui souligne la nécessité d'analyses comparatives standardisées sur divers ensembles de données et scénarios d'absences ».
Dr Huixin Liu, professeur agrégé à l'hôpital populaire de l'université de Pékin
L'étude identifie également des défis clés, notamment l'hétérogénéité des ensembles de données DSE, l'opacité des modèles d'apprentissage automatique et le manque de références universelles pour évaluer les performances de la méthodologie. Les recherches futures visent à établir un protocole standardisé pour gérer les données manquantes du DSE et à développer des ensembles de données de référence pour une évaluation complète.
« Notre objectif ultime est de créer un protocole universellement accepté pour gérer les données manquantes dans les dossiers de santé électroniques, garantissant ainsi des résultats plus fiables et reproductibles dans la recherche médicale », a ajouté le Dr Shenda Hong, professeur adjoint à l'Institut national des sciences des données de santé de l'Université de Pékin. .
Cette recherche marque une étape importante vers la résolution de l’un des défis les plus urgents de la recherche sur les soins de santé numériques, offrant des informations qui peuvent aider à combler le fossé entre la rareté des données et une analyse robuste.
