The amount of health information available on the Internet is considerable.

En absence de précision, la donnée mondiale est renseignée. Le signe * indique une donnée en Europe. P indique une prévalence, I indique une incidence et PN indique une prévalence à la naissance Les Cahiers d'Orphanet -Prévalence des maladies rares : Données bibliographiques -Janvier 2018 -Numéro 1 http://www.orpha.net/orphacom/cahiers/docs/FR/Prevalence_des_maladies_rares_par_ordre_alphabetique.pdf 2 MéthodologieOrphanet réalise une étude systématique de la littérature afin d'estimer la prévalence et l'incidence des maladies rares. Elle vise à collecter les nouvelles données de prévalence, prévalence à la naissance et d'incidence, et à mettre à jour les données déjà publiées en fonction des nouvelles études scientifiques ou d'autres données disponibles.Ces données sont présentées dans les rapports suivants publiés 2 fois par an : Prévalence, incidence ou nombre de cas publiés classés par ordre alphabétique des maladies; Maladies classées par prévalence décroissante, incidence décroissante ou par nombre décroissant de cas publiés; Recueil de données Nature des donnéesLes données publiées dans ce document sont des estimations mondiales ou européennes s'il n'y pas de donnée mondiale. Les données publiées sont les données brutes collectées ou une extrapolation des données brutes à l'échelle mondiale ou européenne lorsqu'aucun effet fondateur génétique n'est suspecté être à l'origine de la maladie.Si plusieurs données nationales sont disponibles, une moyenne est réalisée pour estimer la prévalence ou l'incidence à l'échelle mondiale ou européenne.Lorsque plusieurs sources d'information sont disponibles, les données les plus récentes et répondant à certains critères de qualité sont privilégiées (registres, méta-analyses, études en population, grandes cohortes).Pour les maladies qui n'apparaissent qu'à la naissance (congénitales), la prévalence est estimée selon la formule suivante : Prévalence = prévalence à la naissance x (espérance de vie des malades/espérance de vie de la population générale considérée). Lorsque seule la donnée d'incidence est disponible, la prévalence est estimée dans la mesure du possible et selon la formule suivante: Prévalence = incidence x durée moyenne de la maladie Pour les maladies très rares et sans donnée de prévalence ou d'incidence, le nombre de cas ou de familles publiés dans la littérature est alors documenté. Limites de l'étudeLes données de prévalence et d'incidence de ce rapport correspondent à des estimations et ne peuvent être tenues comme absolument exactes. Les valeurs moyennes présentées dans ce rapport ne tiennent pas compte de l'hétérogénéité méthodologique des études.La validité et l'exactitude des données brutes ne sont pas vérifiées. Ainsi, il peut exister une confusion entre incidence et prévalence et/ou prévalence à la naissance due à l'utilisation imprécise de ces termes dans certaines sources documentaires. Dans certains cas, l'estimation de la prévalence peut être surestimée car les études épidémiologiques sont généralement réalisées à partir de données issues d'...

To help clinicians read medical texts such as clinical practice guidelines or drug monographs, we proposed an iconic language called VCM. This language can use icons to represent the main medical concepts, including diseases, symptoms, treatments and follow-up procedures, by combining various pictograms, shapes and colors. However, the semantics of this language have not been formalized, and users may create inconsistent icons, e.g. by combining the "tumor" shape and the "sleeping" pictograms into a "tumor of sleeping" icon. This work aims to represent the VCM language using DLs and OWL for evaluating its semantics by reasoners, and in particular for determining inconsistent icons. We designed an ontology for formalized the semantics of VCM icons using the Protégé editor and scripts for translating the VCM lexicon in OWL. We evaluated the ability of the ontology to determine icon consistency for a set of 100 random icons. The evaluation showed good results for determining icon consistency, with a high sensitivity. The ontology may also be useful for the design of mapping between VCM and other medical terminologies, for generating textual labels for icons, and for developing user interfaces for creating VCM icons.

Background: Categorization is designed to enhance resource description by organizing content description so as to enable the reader to grasp quickly and easily what are the main topics discussed in it. The objective of this work is to propose a categorization algorithm to classify a set of scientific articles indexed with the MeSH thesaurus, and in particular those of the MEDLINE bibliographic database. In a large bibliographic database such as MEDLINE, finding materials of particular interest to a specialty group, or relevant to a particular audience, can be difficult. The categorization refines the retrieval of indexed material. In the CISMeF terminology, metaterms can be considered as super-concepts. They were primarily conceived to improve recall in the CISMeF quality-controlled health gateway.