Libellé préféré : entrepôt de données;
Synonyme EFMI : Entreposage de données;
Lien Wikipédia vérifié : https://fr.wikipedia.org/wiki/Entrepôt de données;
Identifiant d'origine : 24;
Alignements EFMI
- Alignements automatiques CISMeF supervisés
- Alignements automatiques supervisés en NTBT
- Voir aussi inter- (CISMeF)
N1-VALIDE
Entrepôts de données de santé: à quoi cela sert?
Webinaire 9 - Mardis de la donnée de santé
https://www.youtube.com/watch?v=0w7qGqdV5Ao
Qu'est-ce qu'une donnée de santé?; Utilisations des données de santé; Pourquoi un
EDS est-il utile?; Pourquoi l'hôpital fonctionne-t-il comme cela?; Ce fonctionnement
est parfois limitant; Mais alors...comment dépasser ces limites?; Des bénéfices pour
les patients; Ce dont nous n'avons pas encore parlé...;
2024
false
false
false
false
true
Health Data Hub
France
français
congrès ou conférence
matériel audio-visuel
Entreposage de données
entrepôt de données
---
N1-VALIDE
Entrepôts de données de santé: comment ça fonctionne?
Webinaire 10 - Mardis de la donnée de santé
https://www.youtube.com/watch?v=s9rMnKp4LDQ
Concrètement, comment faire?; Des données pertinentes; Des données organisées; Des
données sécurisées; Gestion des accès; Gouvernance des entrepôts; En résumé: utiliser
l'EDS; Mais un EDS cela ne pose pas de problème?; Zoom sur l'information des patients;
Qu'avons-nous appris aujourd'hui?;
2024
false
false
false
false
true
ANS - Agence du numérique en santé
France
français
Entreposage de données
entrepôt de données
congrès ou conférence
matériel audio-visuel
---
N1-VALIDE
Entrepôts de données de santé
Séminaire Santé Numérique - Réanimation et anesthésie
https://www.cismef.org/cismef/wp/wp-content/uploads/2024/04/3.eds_20240405.pdf
Présentation faite par le Dr Benjamin Popoff. Les thèmes abordés sont: Système d'information
hospitalier; Entrepôts de données de santé (EDS): Construction d'un EDS; Objectifs
d'un EDS; Système d'information apprenant; EDS en France; Au CHU de Rouen; EDSaN;
Entrepôts régionaux; Liaisons entre entrepôts
2024
false
false
false
false
3eme cycle / doctorat
true
Université de Rouen, UFR Santé
CHU de Rouen
France
français
Entreposage de données
entrepôt de données
congrès ou conférence
systèmes d'information hospitaliers
systèmes d'information hospitaliers
1.2.3 - comprendre le cycle de vie de la donnée de santé numérique
1.2.4 - connaitre le régime du traitement de données à caractère personnel de santé
1.3.1 - identifier les critères d'accès aux données des usagers : connaitre le cadre
règlementaire et la notion d'équipe de soins
1.3.2 - connaitre les spécificités du stockage des données de santé [Système national
des données de santé (SNDS) et les entrepôts de données de santé]
1.4.3 - connaitre le régime spécifique de traitement des données à des fins de recherche
(Recherches Impliquant la personne humaine, Loi Jardé, RGPD, LIL)
3.2.6 - renseigner l'usager dans ses démarches
3.2.7 - adopter les bonnes pratiques et les bons outils pour interagir et partager
des données de santé
---
N1-VALIDE
https://www.cismef.org/cismef/wp/wp-content/uploads/2022/10/SCDW-Rouen-october-2022.pdf
https://www.cismef.org/cismef/wp/wp-content/uploads/2022/11/Semantic-Clinical-Data-Warehouse-in-Rouen-University-Hospital-Normandy-France.pdf
https://www.youtube.com/watch?v=NZgKmkq9bZc
RUH DBI; Definition; HDW Objectives in general; HDW Objectives for pharmaceutical
companies; CDW State of the art; Semantic HDW based on three independent layers; HeTOP
Terminology server; ECMT Semantic Annotator (NLP & Deep Learning); Overall ECMT process;
Multiterminology Multilingual Semantic search engine; Technical aspects; NoSQL Architecture;
Acess Policy to EDSaN; Results; HDW Rouen - volumetry; HDW Rouen – functional coverage;
Main steps are already performed...; EDSaN Platform; Modular search engine; Selection
tool; Doc’EDS; Analyses; Data mining (ECMT) word cloud; Where EDSaN stands in August
2022; State of the play; Use cases of the SCDW; Keys to « success »; Still in development;
Perspectives; Wordembeddings in two different contexts; Doc2Vec2PubMed; Valorization;
Publications
2022
false
false
false
false
true
Université de Rouen, UFR Santé
France
anglais
cours
Entreposage de données
entrepôt de données
matériel d'enseignement audio-visuel
---
N1-VALIDE
Entrepôt de données de santé
https://www.cismef.org/cismef/wp/wp-content/uploads/2022/11/EDSaN_Rouen_nov2022.pdf
Objectifs pédagogiques; EDS - Qu’est-ce que c’est; Objectifs des EDS; Aujourd’hui
dans les CH, État des lieux des EDS; Approche rouennaise pour l’EDS; EDS Rouen; EDSaN
au CHU de Rouen; EDS Rouen - couverture fonctionnelle; Aspects méthodologiques et
techniques; Architecture technique EDSaN; Politique d’accès à EDSaN; Résultats & Outils;
Plateforme EDSaN; Outil modulaire de recherche; Les fonctions techniques des EDS;
Analyses textuels (module Doc’EDS); Doc’EDS (module document); ECMT : annotation automatique
des documents textuels; Exemple COVID long; Tableaux de bord; Exemple Épidémie de
bronchiolites aux urgences pédiatriques 2022, CHU de Rouen; Expérience EDSaN : bilan
novembre 2022; État des lieux; Les acteurs impliqués; Points forts et limites; Perspectives/problématiques
futures
2022
false
false
false
false
true
Université de Rouen, UFR Santé
France
français
Entreposage de données
entrepôt de données
cours
1.3.2 - connaitre les spécificités du stockage des données de santé [Système national
des données de santé (SNDS) et les entrepôts de données de santé]
---
N1-VALIDE
EDSaNCoh et EDILS2.0 : résultats préliminaires et perspectives
https://dumas.ccsd.cnrs.fr/dumas-03858400
Avec l'adoption généralisée des dossiers médicaux électroniques (DME), des quantités
de plus en plus importantes de données cliniques électroniques sont générées, ce qui
fait que les chercheurs, les administrateurs de soins de santé et les cliniciens s'intéressent
de plus en plus à l'utilisation de telles données. Le projet EDSaNCoh, sélectionné
et financé par le FEDER (Fonds européen de développement régional), vise à développer
une plateforme pour créer et alimenter automatiquement des e-cohortes prospectives.
L'objectif final du projet est d'optimiser la recherche non interventionnelle sur
les données épidémiologiques et cliniques en réduisant les erreurs humaines, la charge
de travail, la complexité de la saisie des données et le temps consacré à la collecte
des données par rapport aux méthodes de recherche actuelles, ce qui se traduit finalement
par une réduction des coûts. Le premier projet tirant parti de l'infrastructure EDSaNCoh
est EDILS2.0 (Eating Disorders Inventory Longitudinal Study) dont l'objectif principal
est d'identifier, 2 et 5 ans après une première consultation pour Trouble du Comportement
Alimentaire (TCA), les facteurs pronostiques de guérison, de rémission, de changement
de type de trouble alimentaire et de décès ou suicide. METHODOLOGIE : Trois sont les
sources de données combinées par l'infrastructure EDSaNCoh : l'entrepôt de données
de santé du CHU de Rouen, le SNDS (système national des données de santé), et des
questionnaires auto-administrables directement envoyés aux patients. Afin d'évaluer
les capacités de l'algorithme construit pour EDILS2.0 à identifier correctement les
patients répondant aux critères d'inclusion et à récupérer correctement les variables
ciblées, ses performances ont été comparées automatiquement, sur un ensemble de documents
aléatoires, à un gold standard humain. RESULTATS : L'algorithme a donné de bons résultats,
atteignant 96 % de précision et 88,1 % de recall pour l'inclusion des patients. En
ce qui concerne ses capacités d'extraction de caractéristiques, il a obtenu, sur un
ensemble de 24 variables, une accuracy moyenne de 94,08%. CONCLUSION : Selon les résultats
préliminaires, EDILS2.0 montre une qualité de données très prometteuse, une qualité
qui est, je crois, encore améliorable. Les optimisations suggérées sont de nature
conservatrice, elles sont faciles à mettre en œuvre et ne nécessitent pas d'adaptations
des pratiques de travail, ce qui devrait se traduire par une mise en œuvre sans friction.
En cas de succès, elles feront passer la précision de l'algorithme d'extraction des
caractéristiques dans une zone de confiance, au-delà de la barre des 95 %, ce qui
est crucial pour la fiabilité des analyses futures. Tel résultat servira également
de manifeste des bons résultats que l'on peut obtenir avec les e-cohortes et de la
qualité du projet EDSaNCoh et favorisera l'intérêt pour cette technologie.
2022
false
false
false
DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
France
français
thèse ou mémoire
Entreposage de données
systèmes informatisés de dossiers médicaux
Troubles de l'alimentation
entrepôt de données
---
N1-VALIDE
Entrepôts de données de santé hospitaliers en France
https://www.has-sante.fr/jcms/p_3386123/fr/entrepots-de-donnees-de-sante-hospitaliers-en-france
La HAS utilise depuis plusieurs années les données du système national de données
de santé (SNDS) pour mener ses travaux d’évaluation et pour mesurer la qualité des
soins. Elle s’intéresse également aux entrepôts de données de santé hospitaliers (EDSH)
qui contiennent une grande quantité d’informations médicales complémentaires– des
données de vie réelle - potentiellement utiles dans la réalisation de ses missions.
Dans le cadre de sa stratégie data, elle a ainsi entrepris fin 2021 de dresser un
panorama des EDSH en France. Un travail inédit qui révèle l’hétérogénéité d’un écosystème
en pleine construction et qui va d’ores et déjà permettre à la HAS de lancer de nouvelles
expérimentations.
2022
false
false
false
HAS - Haute Autorité de Santé
France
français
rapport
Entreposage de données
systèmes informatisés de dossiers médicaux
systèmes d'information hospitaliers
France
entrepôt de données
Entreposage de données
---
N1-VALIDE
Entrepôts de données: cas d'usage
https://www.cismef.org/cismef/wp/wp-content/uploads/2022/11/EDS_cas_dusages_2022.pdf
Cours présenté par Julien Grosjean. Cas 1: Situs Inversus; Contexte; Méthodologie
EDS; Requêtes; Cas 2: Bicytopénie et hémolyse: stratégies diagnostiques et orientations
en urgence; Cas 3: Filière fracture/prévention et suivi ostéoporose; Cas 4: Création
d'une cohorte de patients atteints de TCA
2022
false
false
false
false
true
Université de Rouen, UFR Santé
France
français
cours
Entreposage de données
entrepôt de données
1.3.2 - connaitre les spécificités du stockage des données de santé [Système national
des données de santé (SNDS) et les entrepôts de données de santé]
---
N1-VALIDE
Intérêt de l’approche sémantique dans la constitution et l’exploitation d’un entrepôt
de données de santé
Webinar QuanTIM
https://youtu.be/ZzczKuT7tLw
https://sesstim.univ-amu.fr/video-box/webinar-quantim-stefan-darmoni
Présentation faite par le Pr. Stéfan DARMONI : Le D2IM, Thématiques de recherche du
D2IM, EDS - Qu'est-ce que c'est?, Objectifs des EDS, Aujourd'hui dans les CH, État
des lieux des EDS, Approche rouennaise pour l'EDS, Un apport sémantique, EDS Rouen:
3 outils ressources autour de la sémantique, EDS Rouen, EDS Rouen - Volumétrie (octobre
2019), EDS Rouen - Couverture fonctionnelle, Couche SQL, Couche NoSQL, Entrepôt de
données de santé - Proposition architecture sécurisée, Résultats et Outils, ECMTE,
ECMT - Étude qualitative, Moteur de recherche complet (ASIS), ASIS, Analyses textuels
(Doc'EDS), Cas d'usage et enjeux, Cas d'usage N 48, Cas d'usage Lubrizol, Valorisation,
Aspects éthiques
2019
false
false
false
false
true
SESSTIM
France
sémantique
entrepôt de données
Annotation de données
moteur de recherche
SQL
Pas seulement SQL
1.3.2 - connaitre les spécificités du stockage des données de santé [Système national
des données de santé (SNDS) et les entrepôts de données de santé]
Entreposage de données
Curation de données
moteur de recherche
sémantique
langages de programmation
matériel d'enseignement audio-visuel
---
N1-SUPERVISEE
Enjeux des entrepôts de données de santé
Webinar QuanTIM
https://youtu.be/EBT1L5IeHh0
https://sesstim.univ-amu.fr/video-box/webinar-quantim-anita-burgun
Cours présenté par Anita BURGUN
2018
false
false
false
true
SESSTIM
France
matériel d'enseignement audio-visuel
Entreposage de données
entrepôt de données
---
