Qu'est-ce que Linkr ?

Le problème que Linkr cherche à résoudre

Les entrepôts de données de santé (EDS / Clinical Data Warehouses) regroupent des volumes massifs de données issues des dossiers patients. Les exploiter est cependant difficile pour trois raisons :

1. Chaque hôpital a son propre modèle de données, ce qui freine l’interopérabilité et la reproductibilité. Des modèles communs comme OMOP ou FHIR existent, mais leur adoption demande un effort.
2. La manipulation et l’analyse de ces données exigent en général des compétences en programmation (SQL, Python, R) — compétences que les cliniciens n’ont pas forcément.
3. Les outils existants se répartissent entre deux extrêmes : les environnements pour codeurs (RStudio, Jupyter) très puissants mais inaccessibles aux non-développeurs, et les outils no-code (type ATLAS) limités dans ce qu’ils permettent d’étendre ou de programmer.

Linkr est conçu pour combler ce gap : offrir à un clinicien non-développeur des outils graphiques efficaces, tout en laissant à un data scientist un véritable environnement de code (Python + R) intégré à la plateforme.

À qui s’adresse Linkr

Linkr est pensé pour toute une chaîne de rôles qui travaillent autour des données de santé :

Ce qui fait la singularité de Linkr, c’est que ces quatre profils travaillent dans le même outil, sur les mêmes projets, chacun à son niveau d’abstraction.

La collaboration comme pilier

Linkr est avant tout une plateforme collaborative. L’application est organisée en workspaces (conteneurs partagés, à l’échelle d’un service, d’un hôpital, d’un réseau) à l’intérieur desquels on retrouve :

• Des projets (études, analyses, tableaux de bord).
• Des plugins réutilisables entre projets.
• Un wiki pour la documentation d’équipe.
• Des données et schémas partagés.
• Une intégration Git qui permet de versionner et de partager tout ce contenu entre centres.

Cette logique collaborative suit une approche bottom-up : chaque équipe commence par résoudre ses problèmes locaux, puis, en partageant scripts, cohortes et plugins via Git, la standardisation émerge progressivement — plutôt que définie a priori. L’intérêt concret : les résultats arrivent plus vite, et chaque projet enrichit les données pour les suivants. C’est le principe d’un investissement cumulatif, où la qualité se construit projet après projet.

Ce que fait Linkr

Linkr couvre toute la chaîne, de la préparation des données à la restitution des résultats :

Côté exploration et préparation des données

• Import de données multi-formats : CSV, Excel, Parquet, DuckDB, bases relationnelles (via le mode serveur).
• Schémas : OMOP CDM en priorité, extensible à des schémas hospitaliers custom via les schema presets. Support de FHIR à venir.
• Concept mapping : alignement du vocabulaire local sur des terminologies standards (SNOMED, LOINC, RxNorm).
• Data quality : règles, checks, scoring, historique.
• ETL : pipelines de transformation depuis l’entrepôt vers des standards (OMOP, formats analytiques…).
• Catalogue de données (HealthDCAT-AP) : description des jeux de données publiés.

Côté analyse et restitution

• Cohort builder visuel avec génération automatique du SQL.
• Vue patient-level : exploration des trajectoires individuelles dans un cadre de recherche ou de pilotage, avec timeline chronologique et widgets personnalisables.
• Datasets analytiques au format large (une ligne par patient) construits via un pipeline DAG de transformations.
• Analyses intégrées : Table 1, Key Indicator, Plot Builder.
• Tableaux de bord composés de widgets redimensionnables.
• IDE Python + R intégré pour les analyses sur-mesure.

Côté extension et partage

• Éditeur de plugins pour créer ses propres widgets d’analyse ou de visualisation, en Python ou en R.
• Versioning Git pour partager projets, plugins et scripts entre centres et collaborer sur les mêmes ressources.

Ce qui rend Linkr différent

Un seul outil pour tous les profils. Linkr ne force pas le clinicien à apprendre Python, ni le data scientist à utiliser une application no-code non personnalisable. Les deux travaillent côte à côte, sur les mêmes projets.

Low-code par défaut, code quand c’est nécessaire. Les interfaces graphiques couvrent la plupart des besoins courants. Un IDE complet est disponible dès que le cas d’usage le demande.

OMOP en premier, mais pas uniquement. OMOP est le format le mieux supporté. Les schema presets permettent déjà de travailler avec des schémas hospitaliers custom, et permettront à terme de supporter FHIR ou d’autres modèles.

Open source et ouvert. Licence GPL-3.0. Le code est publiquement disponible et le produit peut être auto-hébergé. Tout ce qui est produit dans la plateforme (scripts, plugins, études) peut être partagé via Git.

Multilingue et accessible aux cliniciens. Interface disponible en français et en anglais, extensible à d’autres langues. Le vocabulaire reste compréhensible pour des professionnels de santé qui ne sont pas développeurs.

Pour aller plus loin

• Comprendre les modes de déploiement (navigateur vs serveur) et savoir ce que chaque mode permet.
• Lancer Linkr en ligne en deux minutes : démarrage rapide.
• Installer Linkr localement : installation locale.