t2a_v2/tests/test_extraction.py

"""Tests pour le module d'extraction."""

import pytest

from src.extraction.document_classifier import classify
from src.extraction.crh_parser import parse_crh
from src.extraction.trackare_parser import parse_trackare, _clean_person_name


class TestDocumentClassifier:
    def test_classify_trackare(self):
        text = """CENTRE HOSPITALIER COTE BASQUE
Dossier Patient
Détails des patients
Nom de naissance: CLIER IPP: 01306172
Détails épisode
Episode No: 23042753
Signes Vitaux"""
        assert classify(text) == "trackare"

    def test_classify_crh(self):
        text = """N° Finess CENTRE HOSPITALIER COTE BASQUE
Pôle Spécialités Médicales
Service de Gastro-Entérologie
Mon cher confrère,
Votre patiente a été hospitalisée"""
        assert classify(text) == "crh"

    def test_classify_trackare_by_ipp(self):
        text = "IPP: 12345678 Episode No: 87654321"
        assert classify(text) == "trackare"


class TestCRHParser:
    def test_parse_patient_info(self):
        text = """MME NARBAIS AUDREY
MAISON IRREXELAIA
64430 ST ETIENNE DE BAIGORRY

Mon cher confrère,
Votre patiente NARBAIS Audrey née le 23/02/1980 a été hospitalisée
du 25/02/2023 au 03/03/2023 pour le motif suivant:
Pancréatite aiguë lithiasique"""
        result = parse_crh(text)

        assert result["patient"]["nom_complet"] == "NARBAIS AUDREY"
        assert result["patient"]["sexe"] == "F"
        assert result["patient"]["date_naissance"] == "23/02/1980"

    def test_parse_sejour(self):
        text = """Votre patiente née le 23/02/1980 a été hospitalisée
du 25/02/2023 au 03/03/2023 pour le motif suivant:
Pancréatite aiguë"""
        result = parse_crh(text)

        assert result["sejour"]["date_entree"] == "25/02/2023"
        assert result["sejour"]["date_sortie"] == "03/03/2023"

    def test_parse_medecins(self):
        text = "Dr PUJOS. Dr F. AUDEMAR. Docteur DUTREY Sarah."
        result = parse_crh(text)

        assert any("PUJOS" in m for m in result["medecins"])
        assert any("AUDEMAR" in m for m in result["medecins"])


class TestCRHSectionsDiagnostic:
    """Tests Patch 0 — nouvelles sections CRH à fort signal DP."""

    def test_parse_diag_sortie(self):
        """'Diagnostic de sortie :' capturé dans sections."""
        text = """Au total :
Syndrome coronarien aigu traité par angioplastie.

Diagnostic de sortie :
SCA ST+ antérieur I25.1

Traitement de sortie :
Aspirine 100mg"""
        result = parse_crh(text)
        assert "diag_sortie" in result["sections"]
        assert "SCA" in result["sections"]["diag_sortie"]

    def test_parse_diagnostics_retenus(self):
        """'Diagnostics retenus :' capturé comme diag_sortie."""
        text = """Au total :
Bilan.

Diagnostics retenus :
- Embolie pulmonaire I26.9
- Thrombose veineuse profonde I80.2

Devenir :
Retour à domicile"""
        result = parse_crh(text)
        assert "diag_sortie" in result["sections"]
        assert "Embolie pulmonaire" in result["sections"]["diag_sortie"]

    def test_parse_diagnostics_retenus_a_la_sortie(self):
        """'Diagnostics retenus à la sortie :' capturé."""
        text = """Conclusion :
Amélioration.

Diagnostics retenus à la sortie :
Pneumopathie J18.9

TTT de sortie :
Amoxicilline"""
        result = parse_crh(text)
        assert "diag_sortie" in result["sections"]
        assert "Pneumopathie" in result["sections"]["diag_sortie"]

    def test_parse_diag_principal(self):
        """'Diagnostic principal :' capturé."""
        text = """Examen clinique :
Patient fébrile.

Diagnostic principal :
Pancréatite aiguë biliaire K85.1

Diagnostics associés :
Lithiase vésiculaire K80.2"""
        result = parse_crh(text)
        assert "diag_principal" in result["sections"]
        assert "Pancréatite" in result["sections"]["diag_principal"]

    def test_parse_probleme_principal(self):
        """'Problème principal :' capturé comme diag_principal."""
        text = """Antécédents :
HTA, diabète.

Problème principal :
Insuffisance cardiaque décompensée I50.0

Devenir :
Hospitalisation prolongée"""
        result = parse_crh(text)
        assert "diag_principal" in result["sections"]
        assert "Insuffisance cardiaque" in result["sections"]["diag_principal"]

    def test_parse_synthese(self):
        """'Synthèse :' capturé."""
        text = """Au total :
Bilan complet.

Synthèse :
Patient de 65 ans admis pour SCA. Angioplastie réalisée.

Traitement de sortie :
Brilique"""
        result = parse_crh(text)
        assert "synthese" in result["sections"]
        assert "SCA" in result["sections"]["synthese"]

    def test_existing_sections_preserved(self):
        """Les 7 sections existantes sont toujours captées (non-régression)."""
        text = """pour le motif suivant:
Douleur abdominale

Antécédents :
HTA traitée

Histoire de la maladie :
Douleur depuis 3 jours

Examen clinique :
Abdomen souple

Au total :
Pancréatite aiguë biliaire

TTT de sortie :
Paracétamol

Devenir :
Retour à domicile"""
        result = parse_crh(text)
        assert "motif_hospitalisation" in result["sections"]
        assert "antecedents" in result["sections"]
        assert "histoire_maladie" in result["sections"]
        assert "examen_clinique" in result["sections"]
        assert "conclusion" in result["sections"]
        assert "traitement_sortie" in result["sections"]
        assert "devenir" in result["sections"]

    def test_conclusion_does_not_overflow_into_diag_sortie(self):
        """La section conclusion s'arrête avant 'Diagnostic de sortie'."""
        text = """Au total :
Bilan complet réalisé. Évolution favorable.

Diagnostic de sortie :
SCA ST+ antérieur"""
        result = parse_crh(text)
        assert "conclusion" in result["sections"]
        assert "diag_sortie" in result["sections"]
        # La conclusion ne doit PAS contenir le texte du diagnostic de sortie
        assert "SCA" not in result["sections"]["conclusion"]
        assert "SCA" in result["sections"]["diag_sortie"]


class TestCRHSectionsRobustness:
    """Tests robustesse Patch 0 — variantes de titres, terminaisons, cas pièges."""

    # --- A1 : Variantes de titres ---

    def test_diagnostics_de_sortie_plural(self):
        """'Diagnostics de sortie' (pluriel) capturé."""
        text = "Diagnostics de sortie :\nSCA I25.1\n\nDevenir :\nRAD"
        result = parse_crh(text)
        assert "diag_sortie" in result["sections"]
        assert "SCA" in result["sections"]["diag_sortie"]

    def test_diagnostics_retenus_en_sortie(self):
        """'Diagnostics retenus en sortie' capturé."""
        text = "Diagnostics retenus en sortie :\nPneumopathie J18.9\n\nDevenir :\nRAD"
        result = parse_crh(text)
        assert "diag_sortie" in result["sections"]
        assert "Pneumopathie" in result["sections"]["diag_sortie"]

    def test_en_resume(self):
        """'En résumé' capturé comme synthese."""
        text = "En résumé :\nPatient opéré avec succès.\n\nTraitement de sortie :\nParacétamol"
        result = parse_crh(text)
        assert "synthese" in result["sections"]
        assert "opéré" in result["sections"]["synthese"]

    def test_en_synthese(self):
        """'En synthèse' capturé comme synthese."""
        text = "En synthèse :\nAmélioration clinique rapide.\n\nDevenir :\nRAD"
        result = parse_crh(text)
        assert "synthese" in result["sections"]
        assert "Amélioration" in result["sections"]["synthese"]

    def test_titre_avec_deux_points_colles(self):
        """'Diagnostic principal:' (sans espace avant ':') fonctionne."""
        text = "Diagnostic principal:\nPancréatite aiguë K85.1\n\nDevenir :\nRAD"
        result = parse_crh(text)
        assert "diag_principal" in result["sections"]
        assert "Pancréatite" in result["sections"]["diag_principal"]

    def test_titre_synthese_sans_deux_points(self):
        """'Synthèse' suivi d'un saut de ligne (sans ':') fonctionne."""
        text = "Synthèse\nBilan favorable, retour à domicile.\n\nDevenir :\nRAD"
        result = parse_crh(text)
        assert "synthese" in result["sections"]
        assert "favorable" in result["sections"]["synthese"]

    # --- A2 : Terminaisons correctes ---

    def test_antecedents_stop_before_diag_principal(self):
        """Antécédents s'arrêtent avant 'Diagnostic principal'."""
        text = """Antécédents :
HTA traitée depuis 10 ans.
Diabète type 2.

Diagnostic principal :
Embolie pulmonaire I26.9"""
        result = parse_crh(text)
        assert "antecedents" in result["sections"]
        assert "diag_principal" in result["sections"]
        assert "Embolie" not in result["sections"]["antecedents"]
        assert "Embolie" in result["sections"]["diag_principal"]

    def test_histoire_maladie_stop_before_synthese(self):
        """Histoire de la maladie s'arrête avant 'Synthèse'."""
        text = """Histoire de la maladie :
Douleur abdominale depuis 3 jours.

Synthèse :
Pancréatite aiguë biliaire confirmée."""
        result = parse_crh(text)
        assert "histoire_maladie" in result["sections"]
        assert "synthese" in result["sections"]
        assert "confirmée" not in result["sections"]["histoire_maladie"]

    def test_examen_clinique_stop_before_diag_sortie(self):
        """Examen clinique s'arrête avant 'Diagnostic de sortie'."""
        text = """Examen clinique :
Abdomen souple, pas de défense.

Diagnostic de sortie :
Cholécystite aiguë K81.0"""
        result = parse_crh(text)
        assert "examen_clinique" in result["sections"]
        assert "diag_sortie" in result["sections"]
        assert "Cholécystite" not in result["sections"]["examen_clinique"]

    def test_diag_sortie_multiline_not_truncated(self):
        """Section diag_sortie multi-lignes : contenu complet capturé."""
        text = """Diagnostic de sortie :
- SCA ST+ antérieur I25.1
- Anémie ferriprive D50
- HTA essentielle I10

Traitement de sortie :
Aspirine 100mg"""
        result = parse_crh(text)
        assert "diag_sortie" in result["sections"]
        content = result["sections"]["diag_sortie"]
        assert "I25.1" in content
        assert "D50" in content
        assert "I10" in content
        assert len(content) > 0

    def test_diag_principal_stop_before_diag_associes(self):
        """'Diagnostic principal' s'arrête avant 'Diagnostics associés'."""
        text = """Diagnostic principal :
Pancréatite aiguë biliaire K85.1

Diagnostics associés :
Lithiase vésiculaire K80.2"""
        result = parse_crh(text)
        assert "diag_principal" in result["sections"]
        content = result["sections"]["diag_principal"]
        assert "Pancréatite" in content
        assert "Lithiase" not in content

    # --- A3 : Cas pièges (faux positifs) ---

    def test_diagnostic_in_phrase_not_captured(self):
        """'diagnostic' dans une phrase courante ne déclenche PAS une section."""
        text = """Au total :
Pas de diagnostic retenu pour l'instant. Bilan complémentaire en cours.

Devenir :
Consultation dans 3 semaines"""
        result = parse_crh(text)
        # "diag_sortie" et "diag_principal" ne doivent PAS apparaître
        assert "diag_sortie" not in result["sections"]
        assert "diag_principal" not in result["sections"]
        # Mais conclusion doit capturer le texte
        assert "conclusion" in result["sections"]

    def test_synthese_in_word_not_captured(self):
        """'synthèse' dans un mot composé ('biosynthèse') ne déclenche PAS la section."""
        text = """Au total :
Déficit de biosynthèse hépatique probable.

Devenir :
Surveillance"""
        result = parse_crh(text)
        assert "synthese" not in result["sections"]
        assert "conclusion" in result["sections"]


class TestTrackareParser:
    def test_parse_patient_info(self):
        text = """Nom de naissance: CLIER IPP: 01306172
Nom et Prénom: NARBAIS AUDREY Date de naissance: 23/02/1980
Sexe: Féminin Lieu de naissance: CHAMPIGNY SUR MARNE
Adresse: MAISON IRREXELAIA QUARTIER AUZO TTIPI Ville de résidence: ST ETIENNE DE BAIGORRY
Code Postal: 64430
Episode No: 23042753
Date d'admission: 25/02/2023 Heure d'admission: 03:07
Date de sortie: 03/03/2023
Taille: 162 cm - Poids: 90.2 kg - IMC: 34.370"""
        result = parse_trackare(text)

        assert result["patient"]["nom_naissance"] == "CLIER"
        assert result["patient"]["nom_prenom"] == "NARBAIS AUDREY"
        assert result["patient"]["ipp"] == "01306172"
        assert result["patient"]["sexe"] == "F"
        assert result["patient"]["date_naissance"] == "23/02/1980"
        assert result["patient"]["imc"] == 34.370
        assert result["sejour"]["episode"] == "23042753"
        assert result["sejour"]["date_entree"] == "25/02/2023"

    def test_parse_diagnostics(self):
        text = """Diagnostic aux urgences
Type Etat Code Date
Principal actif K80.5 Calcul des canaux biliaires (sans angiocholite ni cholécystite) [CMA2] 25/02/2023 05:27"""
        result = parse_trackare(text)

        assert len(result["diagnostics"]) >= 1
        assert result["diagnostics"][0]["code_cim10"] == "K80.5"
        assert result["diagnostics"][0]["type"] == "Principal"

    def test_parse_vitals(self):
        text = """Poids/Taille
Taille [cm] 162,00
Poids [kg] 90,20
Indice
de masse 34.370"""
        result = parse_trackare(text)

        assert result["signes_vitaux"]["taille_cm"] == 162.0
        assert result["signes_vitaux"]["poids_kg"] >= 90.0
        assert result["signes_vitaux"]["imc"] == 34.370


class TestCleanPersonName:
    def test_clean_simple(self):
        assert _clean_person_name("Sarah DUTREY") == "Sarah DUTREY"

    def test_clean_with_noise(self):
        assert _clean_person_name("Sarah DUTREY une complication") == "Sarah DUTREY"

    def test_clean_multiline(self):
        assert _clean_person_name("Sarah\nDUTREY") == "Sarah DUTREY"

    def test_clean_medical_term(self):
        assert _clean_person_name("Bilirubine") == ""

    def test_clean_empty(self):
        assert _clean_person_name("") == ""