En résumé
Un catalogue de données décrit ce que contient une base — quels concepts, sur quelles périodes, pour combien de patients — sans jamais publier de donnée individuelle. Un seuil d’anonymisation retire les lignes portant trop peu de patients, et le résultat s’exporte en page HTML autonome accompagnée de métadonnées Health-DCAT-AP.
Deux « catalogues » à ne pas confondre
Le catalogue de données, décrit ici, répond à : « que contient cet entrepôt ? ». Il décrit vos données pour que d’autres équipes sachent si elles valent la peine d’être demandées.
Le catalogue communautaire répond à une tout autre question : « quels schémas, plugins ou projets puis-je installer ? ». Il indexe des entités Linkr publiées, pas des données.
Le problème : annoncer sans exposer
Un entrepôt hospitalier est invisible de l’extérieur. Une équipe qui cherche une cohorte de patients septiques ne peut pas savoir si vous en avez, ni combien, ni sur quelles années — sauf à demander, attendre, et souvent découvrir que la réponse était non.
Publier les données est hors de question. Mais publier leur description — les concepts présents, leur volumétrie, leur répartition dans le temps — ne présente pas le même risque, à condition que les comptages soient trop grossiers pour réidentifier qui que ce soit.
C’est exactement ce que produit un catalogue : un inventaire chiffré, anonymisé, publiable.
Construire un catalogue
1. Choisir la base
Un catalogue décrit une base, choisie dans l’onglet Source.
La base doit avoir un schéma
Sans mapping de schéma, Linkr ne sait pas ce qu’est un patient ni un séjour : il n’y a rien à compter. Voir Schémas.
2. Configurer ce qu’on compte
Trois réglages, dans l’onglet Configuration :
Classification des concepts
Quelles colonnes du dictionnaire servent de catégorie et de sous-catégorie. En OMOP, typiquement le domaine et la classe de concept — c’est ce qui rend l’inventaire navigable plutôt qu’une liste de dix mille codes.
Dimensions
Les axes démographiques de la ventilation — le sexe, l’âge. Ils enrichissent l’inventaire sans jamais descendre à l’individu.
Périodes
Une ligne par mois, trimestre ou année, avec patients et hospitalisations, et éventuellement une ventilation par service. Désactivé, le catalogue se contente de compter les concepts.
3. Calculer
Le calcul parcourt la base et compte. Sur un entrepôt volumineux, c’est long — l’opération est donc interruptible : on peut la mettre en pause, la reprendre, ou tout recalculer depuis le début. La progression s’affiche période par période.
Le résultat est conservé avec sa date. Les onglets Données, Anonymisation et Publier restent vides tant qu’aucun calcul n’a eu lieu.
Changer de base invalide le calcul
Les comptages décrivent une base précise. Si vous en changez, les résultats existants ne veulent plus rien dire : il faut relancer le calcul.
4. Anonymiser
C’est l’étape qui rend la publication acceptable. On fixe un nombre minimum de patients par ligne ; les lignes en dessous sont retirées de l’export.
Une ligne « 2 patients, service de néonatologie, mars 2024 » n’est pas une statistique, c’est une désignation. Le seuil l’élimine.
Linkr signale quand le découpage est trop fin
Si trop de cellules sont masquées, un avertissement invite à élargir la granularité — passer du mois au trimestre, du trimestre à l’année. Un catalogue dont la moitié des lignes ont disparu n’informe plus personne : mieux vaut des périodes plus larges et des chiffres qui subsistent.
Publier
Deux formats de sortie, tous deux produits depuis l’onglet Publier.
Une page HTML autonome
Un seul fichier, à ouvrir ou à déposer sur un site.
Il contient des graphiques, un tableau filtrable, et les métadonnées Health-DCAT-AP embarquées en JSON-LD — donc lisibles par un moteur de recherche ou un portail de données, sans rien installer.
Une archive ZIP
Les mêmes informations, séparées et réutilisables.
catalog.html, concepts.csv, dimensions.csv et metadata.jsonld. C’est la forme à retenir pour alimenter un catalogue institutionnel existant.
Un aperçu permet de voir la page avant de la produire, et un décompte indique combien de lignes ont été retirées par l’anonymisation — le chiffre à regarder avant de diffuser quoi que ce soit.
Health-DCAT-AP, en deux mots
C’est le vocabulaire européen de description des jeux de données de santé : éditeur, licence, contact, couverture temporelle, thématiques. L’utiliser signifie qu’un portail de données peut moissonner votre catalogue et l’afficher à côté d’autres, sans conversion.
Ce qui ne sort jamais
Un catalogue ne contient que des comptages agrégés. Aucune ligne patient, aucun identifiant, aucune date d’événement individuelle — et, sous le seuil d’anonymisation, pas même un comptage.
C’est la même logique que pour les bases : ce qui part de l’établissement décrit les données sans les emporter.
Pour aller plus loin
- Schémas — indispensable pour que le calcul sache quoi compter.
- Bases de données — la source d’un catalogue.
- Catalogue communautaire — l’autre catalogue, celui des entités publiées.
- Publier du contenu — diffuser au-delà de votre établissement.