Ressources
Comprendre les données de santé et apprendre à les exploiter.
Comprendre les entrepôts de données de santé
De la collecte à l'exploitation des données cliniques, un guide pensé pour les cliniciens.
Le recueil manuel à l'heure du dossier patient informatisé
Le recueil manuel reste la norme en recherche clinique. Les entrepôts de données de santé ouvrent une alternative encore trop peu exploitée.
Bien définir ses variables : la clé d'un recueil fiable
Concept, ancrage temporel, fenêtre et fonction d'agrégation — quatre dimensions pour des variables sans ambiguïté.
Les entrepôts de données de santé : exploiter les données déjà collectées
Les données de soin sont déjà dans vos logiciels hospitaliers. Un EDS les rend exploitables pour la recherche.
Des données brutes aux données exploitables
Les données d'un EDS ne sont pas prêtes à l'emploi. La mise en qualité est un investissement cumulatif considérable — mais durable.
Comment sont organisées ces données
Tables, relations, jointures — comprendre la structure des données pour dialoguer avec un data scientist.
Parler le même langage : les terminologies médicales
CIM-10, LOINC, SNOMED CT, ATC… Pourquoi ces terminologies existent, ce qu'elles couvrent, et comment elles permettent de comparer des données entre hôpitaux.
Concevoir un projet de recherche sur EDS
De la question de recherche à la publication : les étapes, les rôles, et où Linkr intervient.
Utiliser le Study Designer
Apprenez à concevoir un protocole de recherche complet avec le Study Designer, étape par étape.
Créer et structurer un protocole
Prise en main du Study Designer : créer un projet, renseigner les informations générales, le contexte, les objectifs et les sources de données.
Définir la population d'étude
Construire les critères d'inclusion et d'exclusion avec l'arbre logique et les huit types de critères.
Variables, jeux de concepts et ancrages
Créer des jeux de concepts, définir des ancrages temporels et configurer les variables avec leurs fenêtres de recueil.
Finaliser et exporter le protocole
Taille d'échantillon, plan d'analyse, chronologie, réglementation, références et export Word/Excel/Markdown.
Apprendre la programmation
Ressources pour débuter en SQL, R et Python.
Introduction au SQL
Les bases du SQL : SELECT, WHERE, JOIN, GROUP BY. Ressources complémentaires pour aller plus loin.
Introduction à R
Premiers pas en R : syntaxe, tidyverse, visualisation. Ressources complémentaires.
Introduction à Python
Premiers pas en Python : syntaxe, pandas, matplotlib. Ressources complémentaires.
Intelligence artificielle en santé
Comprendre et appliquer l'intelligence artificielle aux données cliniques.
OMOP
Le standard OMOP CDM et le réseau OHDSI : comprendre le modèle, ses tables, ses vocabulaires, et pratiquer avec des tutoriels interactifs.
Introduction à OMOP et OHDSI
Histoire du projet OMOP, naissance d'OHDSI, adoption mondiale, projets européens et internationaux.
Les terminologies médicales et les vocabulaires OMOP
CIM-10, LOINC, SNOMED CT, ATC, RxNorm — et le système de vocabulaires standardisés d'OMOP.
Les tables de données du CDM
PERSON, VISIT_OCCURRENCE, CONDITION_OCCURRENCE, MEASUREMENT… Explorer les tables cliniques du modèle OMOP.
OMOP — Niveau débutant
Les tables essentielles : person, visit_occurrence, condition_occurrence, measurement.
OMOP — Niveau intermédiaire
Vocabulaires, concept_relationship, requêtes multi-tables.
OMOP — Niveau avancé
Cohortes, drug_era, condition_era, Atlas, études de population.
FHIR
Le standard FHIR pour l'interopérabilité des données de santé.
Bases de données publiques
Découvrir les bases de données de santé en libre accès pour la recherche et l'apprentissage.
Panorama des bases de données publiques en santé
Tour d'horizon des bases en libre accès pour la recherche : MIMIC, AmsterdamUMCdb, HiRID, SICdb et autres.
La base MIMIC
Présentation de MIMIC-IV, comment la télécharger sur PhysioNet, schéma de la base, premiers pas.
AmsterdamUMCdb
Base de données de réanimation de l'Amsterdam UMC : contenu, accès et premiers pas.
HiRID
Base de données de soins intensifs du Bern University Hospital : haute résolution temporelle.
SICdb
Base de données de réanimation du Salzburg University Hospital : contenu et accès.
Le monde académique
Sociétés savantes, congrès et formations en informatique médicale.
Sociétés savantes en informatique médicale
IMIA, EFMI, AIM, SFIM — le paysage institutionnel de l'informatique médicale.
Les congrès : MIE, STC et autres
Présentation des congrès EFMI MIE et STC, comment soumettre, calendrier.
Formations en science des données en santé
Master 2, DU d'IA en santé, diplômes universitaires, MOOCs — panorama des formations.