Sonia Priou
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Sonia Priou has a total of 44 co-authors. Here are the top co-authors by number of shared publications:
Christel Daniel
2 shared publicationsChristophe Tournigand
2 shared publications- Dipak Kalra
Department of Public Health and Primary Care, Unit of Medical Informatics and Statistics, Ghent University, Ghent, Belgium
2 shared publications - Guillaume Lamé
CentraleSupélec
2 shared publications - Jens Declerck
Department of Public Health and Primary Care, Unit of Medical Informatics and Statistics, Ghent University, Ghent, Belgium
2 shared publications - Ahmed Medhat Zayed
Department of Public Health and Primary Care, KU Leuven, Leuven, Belgium
1 shared publication
Latest Publications
- Open Access
- 16 August 2026
- Published by JMIR Publications Inc. in JMIR Preprints
Defect detectability as a Cross-Cutting Property of Data Quality: A Federated, Multi-Site Assessment of Routine Vital-Sign Data Across Nine Belgian Hospitals (Preprint)
BACKGROUND Secondary use of electronic health records (EHR) data depends on data quality (DQ) to validate the repurposing of data. DQ assessment is usually performed one site at a time and organized by data quality dimensions. This approach is structurally blind to defects that are internally consistent within a site and become visible only when results across sites are compared. OBJECTIVE To assess DQ across a federated hospital network and to demonstrate that detectability, the scope of assessment required to reveal a defect, within a single site or only through cross-site comparison, is a property distinct from conventional data quality dimensions and independent of severity. METHODS We conducted a federated assessment of seven routinely collected vital-sign parameters across nine Belgian hospitals in three medical care departments (pediatrics, geriatrics, and surgery). Each site mapped local data to a study-specific common data model and ran locally a DQ assessment protocol, sharing only aggregate results. Completeness, consistency, correctness, and uniqueness were assessed and stratified by care department. A structured feedback loop returned site-specific anomalies for root-cause investigation. Each confirmed finding was classified by whether it was a genuine defect and, if so, whether it was self-detectable within a single site or relational, visible only through cross-site comparison. RESULTS The assessment covered 300.675 unique patients and 307.986 care episodes. Cross-site comparison surfaced defects invisible within any single site, including a heart rate and respiratory rate interchange arising from a parameter mapping error. Non-unique care-episodes identifiers were similarly detectable only against the cross-site distribution. Relational findings spanned consistency, correctness, and uniqueness simultaneously, conforming that detectability cuts across conventional dimensions. Detectability was also independent of severity: the heart interchange was severe yet invisible to single-site review, while biologically impossible values were equally severe but trivially detectable. A completeness signal in pediatric blood pressure reflected legitimate clinical practice rather than a defect, illustrating that a cross-site difference is a signal and not a data quality issue. CONCLUSIONS Detectability, the scope of assessment required to reveal a defect, within a single site or only through cross-site comparison, is a meaningful and distinct property of data quality problems in federated settings. It does not follow from the dimension label and is not determined by severity. Some defects are only visible when hospitals are compared, and distinguishing a genuine error from a difference in convention or legitimate clinical variation requires returning to the source. Cross-site comparison combined with a structured feedback loop is a practical and privacy-preserving approach to identifying data quality problems that single-site assessment cannot reach.
- 16 August 2026
- Published by JMIR Publications Inc. in JMIR Preprints
Open AccessDefect detectability as a Cross-Cutting Property of Data Quality: A Federated, Multi-Site Assessment of Routine Vital-Sign Data Across Nine Belgian Hospitals (Preprint)
BACKGROUND Secondary use of electronic health records (EHR) data depends on data quality (DQ) to validate the repurposing of data. DQ assessment is usually performed one site at a time and organized by data quality dimensions. This approach is structurally blind to defects that are internally consistent within a site and become visible only when results across sites are compared. OBJECTIVE To assess DQ across a federated hospital network and to demonstrate that detectability, the scope of assessment required to reveal a defect, within a single site or only through cross-site comparison, is a property distinct from conventional data quality dimensions and independent of severity. METHODS We conducted a federated assessment of seven routinely collected vital-sign parameters across nine Belgian hospitals in three medical care departments (pediatrics, geriatrics, and surgery). Each site mapped local data to a study-specific common data model and ran locally a DQ assessment protocol, sharing only aggregate results. Completeness, consistency, correctness, and uniqueness were assessed and stratified by care department. A structured feedback loop returned site-specific anomalies for root-cause investigation. Each confirmed finding was classified by whether it was a genuine defect and, if so, whether it was self-detectable within a single site or relational, visible only through cross-site comparison. RESULTS The assessment covered 300.675 unique patients and 307.986 care episodes. Cross-site comparison surfaced defects invisible within any single site, including a heart rate and respiratory rate interchange arising from a parameter mapping error. Non-unique care-episodes identifiers were similarly detectable only against the cross-site distribution. Relational findings spanned consistency, correctness, and uniqueness simultaneously, conforming that detectability cuts across conventional dimensions. Detectability was also independent of severity: the heart interchange was severe yet invisible to single-site review, while biologically impossible values were equally severe but trivially detectable. A completeness signal in pediatric blood pressure reflected legitimate clinical practice rather than a defect, illustrating that a cross-site difference is a signal and not a data quality issue. CONCLUSIONS Detectability, the scope of assessment required to reveal a defect, within a single site or only through cross-site comparison, is a meaningful and distinct property of data quality problems in federated settings. It does not follow from the dimension label and is not determined by severity. Some defects are only visible when hospitals are compared, and distinguishing a genuine error from a difference in convention or legitimate clinical variation requires returning to the source. Cross-site comparison combined with a structured feedback loop is a practical and privacy-preserving approach to identifying data quality problems that single-site assessment cannot reach.
- Open Access
- 5 August 2026
- Published by JMIR Publications Inc. in JMIR Preprints
A lifecycle-aware framework for assessing data quality across sequential ETL transformations: application to the INTEGO-II primary care database (Preprint)
BACKGROUND Routinely collected EHR data are increasingly repurposed for secondary use. As data move through multi-stage pipelines, data quality losses can be introduced at each transformation step. Yet most assessment approaches treat data quality as a static, post-hoc property of a final dataset, making transformation induced losses invisible. Emerging regulatory frameworks demand transparency and traceability across the full data lifecycle but provide limited operational guidance on how to achieve this. OBJECTIVE To introduce a lifecycle framework for assessing data quality across sequential ETL transformations and validate it using the Intego-II database. METHODS The framework comprised two components: information loss and selection bias. It was applied to Intego-II database by comparing three dataset representations within ETL Stage 2: pseudonymised source data, transformed data, and standardised data. Four indicators were evaluated across the condition, procedure, and drug exposure domains: patient coverage, domain coverage, temporal coverage, and mapping coverage. TPQAs evaluated selection bias using Cohen’s d and standardised mean differences. RESULTS Patient attrition of 31,6% (1,421,150 to 971,762) arose from SSN-based deduplication of legacy EHR records and eligibility-driven exclusion. ICD-10 to SNOMED CT mapping achieved 58,3% coverage, attributable to a decimal separator inconsistency affecting 3,871 codes and approximately 326,800 condition records (1,7%). Drug concept granularity was compressed by 99,9% due to three co-occurring failures: non-standard source codes, incomplete national mapping coverage, and structural ATC-to-RxNorm vocabulary gaps. TPQA-1 showed eligibility-driven attrition was demographically neutral (Cohen’s d = -0,003; SMD = 0,031). TPQA-2 identified vocabulary-driven drug domain loss disproportionately affecting older patients (Cohen’s d = -0,49). CONCLUSIONS Sequential ETL processing introduces heterogeneous, mechanism-specific data quality losses invisible to post-hoc assessment. The framework is reproducible, generalisable, and supports the transparency and traceability requirements of the European Health Data Space and EU AI Act.
- 5 August 2026
- Published by JMIR Publications Inc. in JMIR Preprints
Open AccessA lifecycle-aware framework for assessing data quality across sequential ETL transformations: application to the INTEGO-II primary care database (Preprint)
BACKGROUND Routinely collected EHR data are increasingly repurposed for secondary use. As data move through multi-stage pipelines, data quality losses can be introduced at each transformation step. Yet most assessment approaches treat data quality as a static, post-hoc property of a final dataset, making transformation induced losses invisible. Emerging regulatory frameworks demand transparency and traceability across the full data lifecycle but provide limited operational guidance on how to achieve this. OBJECTIVE To introduce a lifecycle framework for assessing data quality across sequential ETL transformations and validate it using the Intego-II database. METHODS The framework comprised two components: information loss and selection bias. It was applied to Intego-II database by comparing three dataset representations within ETL Stage 2: pseudonymised source data, transformed data, and standardised data. Four indicators were evaluated across the condition, procedure, and drug exposure domains: patient coverage, domain coverage, temporal coverage, and mapping coverage. TPQAs evaluated selection bias using Cohen’s d and standardised mean differences. RESULTS Patient attrition of 31,6% (1,421,150 to 971,762) arose from SSN-based deduplication of legacy EHR records and eligibility-driven exclusion. ICD-10 to SNOMED CT mapping achieved 58,3% coverage, attributable to a decimal separator inconsistency affecting 3,871 codes and approximately 326,800 condition records (1,7%). Drug concept granularity was compressed by 99,9% due to three co-occurring failures: non-standard source codes, incomplete national mapping coverage, and structural ATC-to-RxNorm vocabulary gaps. TPQA-1 showed eligibility-driven attrition was demographically neutral (Cohen’s d = -0,003; SMD = 0,031). TPQA-2 identified vocabulary-driven drug domain loss disproportionately affecting older patients (Cohen’s d = -0,49). CONCLUSIONS Sequential ETL processing introduces heterogeneous, mechanism-specific data quality losses invisible to post-hoc assessment. The framework is reproducible, generalisable, and supports the transparency and traceability requirements of the European Health Data Space and EU AI Act.
- 9 April 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Repurposing Real-World Healthcare Data for Research : Challenges in the Design and Operation of Clinical Data Warehouses
Réutilisation secondaire des données de vie réelle de santé pour la recherche : Enjeux de la conception et du fonctionnement des entrepôts de données de santé: L'implémentation de systèmes d'information clinique (SIC) dans les établissements de santé a transformé la gestion des données du dossier patient, notamment via la création de larges bases de données de vie réelle. Ces bases constituent des sources d'information clinique pouvant être ré-exploitées à des fins de recherche. Les entrepôts de données de santé (EDS) sont des infrastructures techniques permettant la mise à disposition de ces données aux chercheurs via des bases dédiées aux projets de recherche. Cette thèse examine la génération des données de vie réelle - restreintes aux données issues de la pratique clinique et du système de remboursement - dans un SIC, leur transfert du SIC jusque dans une base de données dédiée à la recherche au sein d'un EDS, et la gestion des EDS pour la recherche. Tout d'abord, nous avons détaillé le processus d'enregistrement et d'intégration des données dans un SIC via une méthodologie basée sur l'analyse des modes de défaillance. Au travers d'une revue de la littérature et de notre expérience au sein de l'Assistance Publique - Hôpitaux de Paris (AP-HP), nous avons identifié les risques liés au SIC pour la qualité des données réutilisées en recherche. Des risques associés à l'acquisition des données ont été identifiés tels que les pannes informatiques, les configurations logicielles et l'utilisation des logiciels qui peuvent affecter la complétude, la précision et la cohérence des données. De plus, nous avons mis en évidence que la complétude des informations sur les patients pouvait être impactée par une mauvaise gestion des identifiants des patients, en particulier lors de changements de SIC. Ensuite, nous avons analysé le transfert de ces données depuis le SIC vers une base de données dédiée à la recherche au sein d'un EDS. Ce transfert est composé d'une succession de processus d'extraction, de transformation et de chargement (ETL) des données. L'étude a révélé que malgré des performances individuelles acceptables, la succession d'ETL pouvait entraîner des pertes d'information dans la base de données mise à disposition des chercheurs. À l'aide d'un modèle de simulation basé sur le SIC de l'AP-HP, nous avons quantifié cet impact : dans le cas où uniquement les patients disposant de toutes les données nécessaires à une étude étaient inclus, les populations analysées dans les bases de l'EDS pouvaient être jusqu'à 90% plus petites que si les informations patient étaient extraites du SIC directement. Enfin, nous nous sommes penchés sur les défis organisationnels et managériaux liés à la conception et à la gestion des EDS. Une analyse qualitative par entretiens réalisée en France et en Belgique a montré la nécessité de collaborations efficaces entre les différentes parties prenantes des EDS ainsi qu'une gestion solide des connaissances solide au sein des institutions. Bien que prometteurs, les EDS semblaient manquer d'une vision commune partagée par l'ensemble des parties prenantes pour assurer leur succès en recherche.
- 9 April 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Repurposing Real-World Healthcare Data for Research : Challenges in the Design and Operation of Clinical Data Warehouses
Réutilisation secondaire des données de vie réelle de santé pour la recherche : Enjeux de la conception et du fonctionnement des entrepôts de données de santé: L'implémentation de systèmes d'information clinique (SIC) dans les établissements de santé a transformé la gestion des données du dossier patient, notamment via la création de larges bases de données de vie réelle. Ces bases constituent des sources d'information clinique pouvant être ré-exploitées à des fins de recherche. Les entrepôts de données de santé (EDS) sont des infrastructures techniques permettant la mise à disposition de ces données aux chercheurs via des bases dédiées aux projets de recherche. Cette thèse examine la génération des données de vie réelle - restreintes aux données issues de la pratique clinique et du système de remboursement - dans un SIC, leur transfert du SIC jusque dans une base de données dédiée à la recherche au sein d'un EDS, et la gestion des EDS pour la recherche. Tout d'abord, nous avons détaillé le processus d'enregistrement et d'intégration des données dans un SIC via une méthodologie basée sur l'analyse des modes de défaillance. Au travers d'une revue de la littérature et de notre expérience au sein de l'Assistance Publique - Hôpitaux de Paris (AP-HP), nous avons identifié les risques liés au SIC pour la qualité des données réutilisées en recherche. Des risques associés à l'acquisition des données ont été identifiés tels que les pannes informatiques, les configurations logicielles et l'utilisation des logiciels qui peuvent affecter la complétude, la précision et la cohérence des données. De plus, nous avons mis en évidence que la complétude des informations sur les patients pouvait être impactée par une mauvaise gestion des identifiants des patients, en particulier lors de changements de SIC. Ensuite, nous avons analysé le transfert de ces données depuis le SIC vers une base de données dédiée à la recherche au sein d'un EDS. Ce transfert est composé d'une succession de processus d'extraction, de transformation et de chargement (ETL) des données. L'étude a révélé que malgré des performances individuelles acceptables, la succession d'ETL pouvait entraîner des pertes d'information dans la base de données mise à disposition des chercheurs. À l'aide d'un modèle de simulation basé sur le SIC de l'AP-HP, nous avons quantifié cet impact : dans le cas où uniquement les patients disposant de toutes les données nécessaires à une étude étaient inclus, les populations analysées dans les bases de l'EDS pouvaient être jusqu'à 90% plus petites que si les informations patient étaient extraites du SIC directement. Enfin, nous nous sommes penchés sur les défis organisationnels et managériaux liés à la conception et à la gestion des EDS. Une analyse qualitative par entretiens réalisée en France et en Belgique a montré la nécessité de collaborations efficaces entre les différentes parties prenantes des EDS ainsi qu'une gestion solide des connaissances solide au sein des institutions. Bien que prometteurs, les EDS semblaient manquer d'une vision commune partagée par l'ensemble des parties prenantes pour assurer leur succès en recherche.
- Open Access
- 3 August 2024
- Published by Elsevier in Health Policy and Technology
- Vol. 13 (3)
'Where have my patients gone?': A simulation study on real-world data processing in Clinical Data Warehouses
- 3 August 2024
- Published by Elsevier in Health Policy and Technology
- Vol. 13 (3)
Open Access'Where have my patients gone?': A simulation study on real-world data processing in Clinical Data Warehouses