feat: dictionnaire de codage + détection anomalies statistiques

- Script build_coding_dict.py génère le dictionnaire depuis le batch (240 dossiers)
- coding_dictionary.json : co-occurrences DP→DAS, fréquences, associations bio
- anomaly_stats.py : 8 checks (DP/DAS rare, DAS manquant, bio-DAS, âge atypique)
- Intégré dans le pipeline cim10_extractor post-DIM-senior

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
This commit is contained in:
dom
2026-03-07 23:48:36 +01:00
parent 13fe9fa666
commit a371626f40
4 changed files with 5049 additions and 0 deletions

View File

@@ -0,0 +1,206 @@
"""Detection d'anomalies statistiques dans le codage PMSI.
Compare le codage d'un dossier au dictionnaire de codage construit
a partir du batch pour detecter les ecarts significatifs.
"""
from __future__ import annotations
import json
import logging
from pathlib import Path
from ..config import DossierMedical
logger = logging.getLogger(__name__)
_DICT_PATH = Path(__file__).resolve().parent.parent.parent / "config" / "coding_dictionary.json"
_dict_cache: dict | None = None
def _load_dict() -> dict:
global _dict_cache
if _dict_cache is not None:
return _dict_cache
try:
_dict_cache = json.loads(_DICT_PATH.read_text(encoding="utf-8"))
except Exception:
logger.warning("coding_dictionary.json introuvable — anomalies stats desactivees")
_dict_cache = {}
return _dict_cache
def check_statistical_anomalies(dossier: DossierMedical) -> list[str]:
"""Detecte les anomalies statistiques par rapport au dictionnaire de codage.
Returns:
Liste d'alertes textuelles.
"""
cd = _load_dict()
if not cd:
return []
alerts: list[str] = []
n_dossiers = cd.get("metadata", {}).get("n_dossiers", 1)
# --- Extraire les codes du dossier ---
dp_code = ""
if dossier.diagnostic_principal and dossier.diagnostic_principal.cim10_suggestion:
dp_code = dossier.diagnostic_principal.cim10_suggestion
das_codes = set()
for das in dossier.diagnostics_associes:
if das.cim10_suggestion:
das_codes.add(das.cim10_suggestion)
acte_codes = set()
for acte in dossier.actes_ccam:
code = getattr(acte, "code_ccam", None) or getattr(acte, "ccam_suggestion", None) or ""
if code:
acte_codes.add(code.upper())
bio_abnormal = set()
for bio in dossier.biologie_cle:
if bio.anomalie:
bio_abnormal.add(bio.test)
duree = dossier.sejour.duree_sejour if dossier.sejour else None
nb_das = len(dossier.diagnostics_associes)
dp_dict = cd.get("dp", {})
das_dict = cd.get("das", {})
cooc = cd.get("dp_das_cooccurrence", {})
das_bio = cd.get("das_bio_association", {})
# --- 1. DP jamais vu dans le batch ---
if dp_code and dp_code not in dp_dict:
alerts.append(
f"STATS [DP rare]: {dp_code} jamais observe dans le batch "
f"({n_dossiers} dossiers) — verifier le codage"
)
# --- 2. DAS jamais vu dans le batch ---
for code in das_codes:
if code not in das_dict:
alerts.append(
f"STATS [DAS rare]: {code} jamais observe dans le batch — "
f"code potentiellement errone"
)
# --- 3. DAS singleton ---
# Desactive quand le batch est petit (< 500 dossiers) car trop de faux positifs.
# Sera utile avec un dictionnaire construit sur 1000+ dossiers.
if n_dossiers >= 500:
for code in das_codes:
entry = das_dict.get(code, {})
if entry.get("freq", 0) == 1:
alerts.append(
f"STATS [DAS singleton]: {code} ({entry.get('texte', '?')}) "
f"n'apparait qu'une seule fois dans le batch — a verifier"
)
# --- 4. DAS attendus manquants pour ce DP ---
if dp_code and dp_code in cooc:
expected = cooc[dp_code]
dp_freq = dp_dict.get(dp_code, {}).get("freq", 1)
for das_code, count in expected.items():
ratio = count / dp_freq
# Si ce DAS apparait dans >60% des dossiers avec ce DP et qu'il est absent
if ratio >= 0.6 and das_code not in das_codes:
das_texte = das_dict.get(das_code, {}).get("texte", "")
alerts.append(
f"STATS [DAS attendu manquant]: {das_code} ({das_texte}) "
f"present dans {count}/{dp_freq} dossiers avec DP {dp_code} "
f"mais absent ici"
)
# --- 5. Combinaison DP+DAS jamais vue ---
if dp_code and dp_code in cooc:
known_das = set(cooc[dp_code].keys())
# Aussi considerer les DAS vus dans d'autres DP
all_known_das = set(das_dict.keys())
for code in das_codes:
if code not in all_known_das:
continue # Deja signale comme "jamais vu"
if code not in known_das and dp_dict.get(dp_code, {}).get("freq", 0) >= 10:
das_texte = das_dict.get(code, {}).get("texte", "")
alerts.append(
f"STATS [combinaison inedite]: {dp_code} + {code} ({das_texte}) "
f"jamais observe ensemble dans le batch"
)
# --- 6. Ratio DAS/duree atypique ---
if duree is not None and duree >= 3:
# Heuristique : on attend ~1-2 DAS par jour de sejour
expected_min = max(1, duree // 4)
expected_max = max(10, duree * 3)
if nb_das < expected_min and duree >= 7:
alerts.append(
f"STATS [sous-codage]: {nb_das} DAS pour {duree} jours de sejour "
f"(attendu >= {expected_min})"
)
elif nb_das > expected_max:
alerts.append(
f"STATS [sur-codage]: {nb_das} DAS pour {duree} jours de sejour "
f"(attendu <= {expected_max}) — exces de codes"
)
# --- 7. Bio anormale sans DAS correspondant ---
bio_das_expected = {
"Créatinine": ["N17", "N18", "N19"],
"Hémoglobine": ["D50", "D62", "D64"],
"Plaquettes": ["D69"],
"Troponine": ["I21", "I20", "I25"],
"BNP": ["I50", "I11"],
"ALAT": ["K71", "K72", "K73", "K74", "K75", "K76"],
"ASAT": ["K71", "K72", "K73", "K74", "K75", "K76"],
"TSH": ["E03", "E05"],
"Lipasémie": ["K85"],
"CRP": [], # Trop non-specifique
"Leucocytes": [], # Trop non-specifique
}
for bio_test in bio_abnormal:
expected_prefixes = bio_das_expected.get(bio_test, [])
if not expected_prefixes:
continue
all_codes = das_codes | ({dp_code} if dp_code else set())
has_match = any(
any(c.startswith(p) for p in expected_prefixes)
for c in all_codes
)
if not has_match:
# Verifier dans le dico si cette association est frequente
for das3 in expected_prefixes[:1]:
bio_assoc = das_bio.get(das3, {})
if bio_test in bio_assoc and bio_assoc[bio_test] >= 5:
alerts.append(
f"STATS [bio-DAS incoherent]: {bio_test} anormal mais aucun code "
f"{'/'.join(expected_prefixes[:3])} dans le codage "
f"(observe {bio_assoc[bio_test]}x dans le batch)"
)
break
# --- 8. Age atypique pour le DP ---
if dp_code and dp_code in dp_dict:
dp_entry = dp_dict[dp_code]
age = dossier.sejour.age if dossier.sejour else None
age_min = dp_entry.get("age_min")
age_max = dp_entry.get("age_max")
age_moy = dp_entry.get("age_moy")
if age is not None and age_min is not None and age_max is not None:
# Alerte si l'age est tres eloigne de la fourchette observee
margin = max(10, (age_max - age_min) * 0.3)
if age < age_min - margin or age > age_max + margin:
alerts.append(
f"STATS [age atypique]: Patient {age} ans pour DP {dp_code} "
f"(observe {age_min}-{age_max} ans, moy {age_moy})"
)
# Score
dossier.quality_flags["stats_anomaly_count"] = len(alerts)
return alerts

View File

@@ -219,6 +219,14 @@ def extract_medical_info(
except Exception:
logger.error("DIM-SENIOR: erreur détection erreurs fréquentes", exc_info=True)
# Post-processing : anomalies statistiques (dictionnaire de codage)
try:
from .anomaly_stats import check_statistical_anomalies
stats_alerts = check_statistical_anomalies(dossier)
dossier.alertes_codage.extend(stats_alerts)
except Exception:
logger.error("STATS: erreur détection anomalies statistiques", exc_info=True)
# Post-processing : resélection DP si exclu par vetos/exclusions
if dossier.document_type != "trackare":
try: