La base MIMIC

Qu’est-ce que MIMIC ?

La base de données MIMIC est une base de données nord-américaine contenant des données de plus de 50 000 patients admis en réanimation au Beth Israel Deaconess Medical Center (Boston, États-Unis). Elle est développée et maintenue par le MIT Lab for Computational Physiology.

C’est l’une des bases de données de réanimation les plus utilisées dans la littérature scientifique, du fait de son accès public et de la richesse des données qu’elle contient : données démographiques, diagnostics, résultats de biologie, prescriptions médicamenteuses, notes cliniques, signaux physiologiques, etc.

Les différentes versions

MIMIC existe en plusieurs versions :

• MIMIC-III (2016) : données de 2001 à 2012, environ 46 000 patients, schéma de données spécifique à MIMIC.
• MIMIC-IV (2023) : version la plus récente. Données de 2008 à 2019, environ 65 000 patients, schéma modernisé.

Les deux versions peuvent être converties au format OMOP CDM via des ETL open source : MIT-LCP/mimic-omop pour MIMIC-III, OHDSI/MIMIC pour MIMIC-IV. Une base de test MIMIC-IV OMOP de 100 patients est disponible en accès libre (voir ci-dessous).

Bases de test (accès libre)

Des bases de test sont disponibles publiquement. Elles contiennent les données anonymisées de 100 patients et ne nécessitent aucune inscription.

Vous pouvez les télécharger directement :

• MIMIC-III Demo — schéma de données MIMIC
• MIMIC-IV OMOP Demo — schéma de données OMOP CDM v5.4

Ces bases de test sont idéales pour découvrir la structure des données et s’entraîner à écrire des requêtes SQL avant d’accéder aux données complètes.

Accéder aux données complètes

Pour accéder aux bases de données complètes, il est nécessaire de valider quelques étapes.

Les liens utiles :

• Inscription PhysioNet
• Demande d’accréditation
• Instructions CITI Course
• Dépôt du certificat
• Page MIMIC-IV

Télécharger les fichiers

Une fois l’accès accordé, la section Files, en bas de la page MIMIC-IV, permet de télécharger les fichiers depuis le navigateur. Vous pouvez aussi tout récupérer d’un coup avec la commande wget indiquée sur cette même page : ouvrez un terminal (application Terminal sur Mac), remplacez VOTRE_IDENTIFIANT par votre identifiant PhysioNet, puis saisissez votre mot de passe quand il est demandé.

cd ~/Downloads
wget -r -N -c -np --user VOTRE_IDENTIFIANT --ask-password https://physionet.org/files/mimiciv/3.1/

Les fichiers téléchargés (environ 8 Go) sont des CSV compressés, rangés dans les dossiers hosp/ et icu/. Avec wget, ils se trouvent dans physionet.org/files/mimiciv/3.1/.

Structure de la base

Schéma MIMIC natif

Le schéma natif de MIMIC-IV est organisé autour de plusieurs modules :

• hosp : données hospitalières (admissions, diagnostics, prescriptions, résultats de laboratoire)
• icu : données spécifiques aux soins intensifs (mesures physiologiques, scores de gravité, entrées/sorties)
• ed : données des urgences
• note : notes cliniques en texte libre

Les tables principales incluent patients, admissions, diagnoses_icd, labevents, prescriptions, chartevents, etc.

Schéma OMOP

La version OMOP de MIMIC-IV suit le standard OMOP CDM v5.4. Les données sont réorganisées dans les tables standardisées : person, visit_occurrence, condition_occurrence, measurement, drug_exposure, etc. Vous pouvez explorer l’ensemble du schéma sur notre explorateur interactif.

L’avantage du format OMOP est de pouvoir utiliser les mêmes requêtes SQL sur n’importe quelle base convertie au format OMOP, qu’il s’agisse de MIMIC, d’un entrepôt hospitalier français ou de toute autre base conforme au standard.

Charger MIMIC-IV dans Linkr

Une fois MIMIC-IV téléchargée, vous pouvez l’explorer dans Linkr en quelques minutes, sans installer de serveur de base de données.

Convertir les fichiers en Parquet

PhysioNet fournit MIMIC-IV sous forme de fichiers CSV compressés (.csv.gz) : un fichier par table, rangés dans les dossiers hosp/ et icu/. Linkr lit des fichiers Parquet, un format de stockage en colonnes beaucoup plus compact et rapide à interroger. Il faut donc convertir les fichiers une première fois.

Ouvrez un terminal, puis copiez-collez le bloc ci-dessous. Si vous n’avez pas utilisé wget, adaptez la première ligne : le chemin vers le dossier qui contient hosp/ et icu/.

# Aller dans le dossier téléchargé (celui qui contient hosp/ et icu/)
cd ~/Downloads/physionet.org/files/mimiciv/3.1

# Installer DuckDB, l'outil qui fait la conversion (une seule fois)
curl https://install.duckdb.org | sh

# Convertir chaque table en Parquet, dans un nouveau dossier parquet/
for f in hosp/*.csv.gz icu/*.csv.gz; do
  out="parquet/${f%.csv.gz}.parquet"
  mkdir -p "$(dirname "$out")"
  echo "Conversion de $f"
  ~/.duckdb/cli/latest/duckdb -c "COPY (FROM read_csv('$f', delim = ',', sample_size = -1)) TO '$out'"
done

# Aller dans le dossier téléchargé (celui qui contient hosp\ et icu\)
cd "$HOME\Downloads\physionet.org\files\mimiciv\3.1"

# Installer DuckDB, l'outil qui fait la conversion (une seule fois)
winget install DuckDB.cli --accept-source-agreements --accept-package-agreements
$env:Path = [Environment]::GetEnvironmentVariable("Path", "User") + ";" + [Environment]::GetEnvironmentVariable("Path", "Machine")

# Convertir chaque table en Parquet, dans un nouveau dossier parquet\
foreach ($f in Get-ChildItem hosp, icu -Filter *.csv.gz) {
  $src = "$($f.Directory.Name)/$($f.Name)"
  $out = "parquet/" + ($src -replace '\.csv\.gz$', '.parquet')
  New-Item -ItemType Directory -Force -Path (Split-Path $out) | Out-Null
  Write-Host "Conversion de $src"
  duckdb -c "COPY (FROM read_csv('$src', delim = ',', sample_size = -1)) TO '$out'"
}

Vous obtenez un dossier parquet/ qui reprend la même organisation : parquet/hosp/admissions.parquet, parquet/icu/icustays.parquet, etc.

Créer la base dans Linkr

Linkr détecte les tables automatiquement : les sous-dossiers hosp/ et icu/ deviennent les schémas SQL hosp et icu, et vous pouvez écrire des requêtes comme SELECT * FROM hosp.admissions. Les données restent sur votre machine ou votre serveur : Linkr ne les envoie nulle part.

L’onglet Statistiques de la base donne ensuite une première vue d’ensemble : nombre de patients, d’hospitalisations et de séjours en unité, répartition par sexe, durées de séjour et chronologie des admissions.

Une fois la base chargée, vous pouvez parcourir le dictionnaire des concepts, sélectionner des cohortes par critères, et afficher le dossier individuel de chaque patient sur une frise. La page Explorer un entrepôt de données de santé détaille chacun de ces écrans, sur la MIMIC-IV Demo.