fix: filtre bruit Trackare — antécédents parasites + répétitions DAS

- das_filter: regex anti-répétition gère les espaces entre mots concaténés
  ("VentilationVentilation Ventilation..." désormais rejeté)
- cim10_extractor: regex antécédents s'arrête à "Signes Vitaux" (ne capture
  plus le tableau de surveillance)
- Nouveau _is_valid_antecedent() filtre noms de service, mots de surveillance
  isolés, infos admin (RPPS), répétitions, Mode de vie
- 28 nouveaux tests (TestIsValidAntecedent + das_filter repetition)

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

src/medical/cim10_extractor.py

@@ -528,10 +528,57 @@ def _extract_actes(text: str, dossier: DossierMedical) -> None:
                 acte.code_ccam_suggestion = code
 
 
+_ANTECEDENT_NOISE = (
+    "item de", "surveillance", "température", "signes vitaux",
+    "pouls", "type de note", "aucune donnée", "renseignée",
+    "habitudes de vie", "systolique", "diastolique", "saturation",
+    "texte libre", "mode de vie", "n° rpps",
+)
+
+_SURVEILLANCE_SINGLE_WORDS = frozenset({
+    "moyenne", "ventilation", "echelle", "gauche", "droite",
+    "capillaire", "repos", "diurèse", "glycémie", "ambiant",
+})
+
+
+def _is_valid_antecedent(line: str) -> bool:
+    """Filtre les lignes parasites du bloc antécédents (bruit Trackare)."""
+    if not line or len(line) <= 5 or line == "0":
+        return False
+    if re.match(r"^\d", line):
+        return False
+    low = line.lower()
+    # Mots-clés de bruit (sous-chaînes)
+    if any(kw in low for kw in _ANTECEDENT_NOISE):
+        return False
+    words = low.split()
+    # Mots isolés de tableau de surveillance
+    if len(words) == 1 and low in _SURVEILLANCE_SINGLE_WORDS:
+        return False
+    # Noms de service (tout majuscules, court)
+    if line.isupper() and len(line) < 40:
+        return False
+    # Mots concaténés ou répétés avec espaces : "VentilationVentilation Ventilation..."
+    if re.match(r'^([a-zà-ÿ]{3,})(\s*\1)+\s*$', line, re.IGNORECASE):
+        return False
+    # Mots répétés mélangés (≥ 3 occurrences du même mot)
+    if len(words) >= 3:
+        from collections import Counter
+        if Counter(words).most_common(1)[0][1] >= 3:
+            return False
+    # Deux mots identiques
+    if len(words) == 2 and len(set(words)) == 1:
+        return False
+    # Identifiants administratifs isolés
+    if re.match(r'^\[MEDECIN\]\s', line) and len(line) < 30:
+        return False
+    return True
+
+
 def _extract_antecedents(text: str, dossier: DossierMedical) -> None:
     """Extrait les antécédents."""
     m = re.search(
-        r"Antécédents?\s*[:：]?\s*\n?(.*?)(?=\n\s*(?:Traitements?\s*[:：]|Allergie|Histoire de la maladie|Examen clinique|\n\n))",
+        r"Antécédents?\s*[:：]?\s*\n?(.*?)(?=\n\s*(?:Traitements?\s*[:：]|Allergie|Histoire de la maladie|Examen clinique|Signes\s+[Vv]itaux|Observations?\s+m[eé]dicale|Passage aux|\n\n))",
         text,
         re.DOTALL | re.IGNORECASE,
     )
@@ -539,21 +586,7 @@ def _extract_antecedents(text: str, dossier: DossierMedical) -> None:
         block = m.group(1).strip()
         for line in block.split("\n"):
             line = line.strip().lstrip("- •")
-            # Filtrer les lignes non pertinentes
-            if (line and len(line) > 5 and line != "0"
-                    and not re.match(r"^\d", line)
-                    and "Item de" not in line
-                    and "surveillance" not in line.lower()
-                    and "Température" not in line
-                    and "Signes Vitaux" not in line
-                    and "Pouls" not in line
-                    and "Type de note" not in line
-                    and "Aucune donnée" not in line
-                    and "renseignée" not in line
-                    and "habitudes de vie" not in line
-                    and "Systolique" not in line
-                    and "Diastolique" not in line
-                    and "Saturation" not in line):
+            if _is_valid_antecedent(line):
                 dossier.antecedents.append(line)
 
 

src/medical/das_filter.py

@@ -39,8 +39,8 @@ def is_valid_diagnostic_text(text: str) -> bool:
     if re.match(r"^[A-ZÀ-Ú]\s*\d{1,3}([.,]\d+)?$", t):
         return False
 
-    # 4. Mots concaténés : "Ventilationventilation"
-    if re.match(r"^([a-zà-ÿ]{3,})\1+[a-zà-ÿ]*$", t, re.IGNORECASE):
+    # 4. Mots concaténés et/ou répétés avec espaces : "VentilationVentilation Ventilation..."
+    if re.match(r"^([a-zà-ÿ]{3,})(\s*\1)+\s*$", t, re.IGNORECASE):
         return False
 
     # 5. Mots répétés : tous identiques ("Absence absence", "Anticoagulant anticoagulant")