Libellé préféré : Mégadonnées;
Définition CISMeF : Dans le domaine de la santé, le big data (ou données massives) correspond à l’ensemble
des données socio-démographiques et de santé, disponibles auprès de différentes sources
qui les collectent pour diverses raisons. L’exploitation de ces données présente de
nombreux intérêts : identification de facteurs de risque de maladie, aide au diagnostic,
au choix et au suivi de l’efficacité des traitements, pharmacovigilance, épidémiologie…
(source : INSERM https://www.inserm.fr/information-en-sante/dossiers-information/big-data-en-sante); Données structurées ou non dont le très grand volume requiert des outils d’analyse
adaptés. On trouve aussi le terme données massives. Journal officiel du 22 août
2014;
Synonyme CISMeF : big data; Données massives;
Lien Wikipédia : https://fr.wikipedia.org/wiki/Big data;
Identifiant d'origine : D000077558;
CUI UMLS : C4704779;
Alignements automatiques CISMeF supervisés
Concept(s) lié(s) au record
Liste des qualificatifs affiliables
Type(s) sémantique(s)
Voir aussi
Dans le domaine de la santé, le big data (ou données massives) correspond à l’ensemble
des données socio-démographiques et de santé, disponibles auprès de différentes sources
qui les collectent pour diverses raisons. L’exploitation de ces données présente de
nombreux intérêts : identification de facteurs de risque de maladie, aide au diagnostic,
au choix et au suivi de l’efficacité des traitements, pharmacovigilance, épidémiologie…
(source : INSERM https://www.inserm.fr/information-en-sante/dossiers-information/big-data-en-sante)
Données structurées ou non dont le très grand volume requiert des outils d’analyse
adaptés. On trouve aussi le terme données massives. Journal officiel du 22 août
2014
N1-VALIDE
Big Data in Health
https://www.cismef.org/cismef/wp/wp-content/uploads/2022/11/big-data-in-health-2-1.pdf
Cours présenté par Arriel Benis & Stefan Darmoni: From data to big data and artificial
intelligence; Data from a business perspective; Big data, definitions; Big data in
medicine
2022
false
false
false
false
true
Université de Rouen, UFR Santé
France
anglais
cours
Mégadonnées
mégadonnées
Intelligence Artificielle en Médecine
intelligence artificielle
santé
---
N2-AUTOINDEXEE
Note d'étape sur le Health Data Hub, les entrepôts de données de santé et les questions
éthiques posées par la collecte et le traitement de données de santé dites « massives
»
https://www.hal.inserm.fr/inserm-03533863/
Le CEI a mis en place un groupe de travail en octobre 2020 du fait des interrogations
soulevées par la décision de confier l’hébergement des données du Système national
des Données de Santé (SNDS) rassemblées par le Health Data Hub (HDH ou PDS pour Plateforme
des données de santé) à la société Microsoft à travers son « cloud » Azure. Le groupe
a été amené rapidement à élargir sa réflexion à un ensemble plus vaste de questions
éthiques soulevées par la collecte et le traitement de données dites « massives »
pouvant s’apparenter de près ou de loin à des données de santé.
2022
false
false
false
INSERM - Institut National de la Santé et de la Recherche Médicale
France
rapport
Mégadonnées
santé
éthique
Éthique
massif
Entreposage de données
collecte de données
questions éthiques
---
N1-SUPERVISEE
Données massives et intelligence artificielle en médecine : espoirs et défis
https://sesstim.univ-amu.fr/video-box/webinar-quantim-christian-lovis
https://youtu.be/iZIb1Xf4VYU
Cours présenté par Christian LOVIS
2022
false
false
false
false
false
SESSTIM
France
matériel d'enseignement audio-visuel
Mégadonnées
intelligence artificielle
Intelligence artificielle
mégadonnées
---
N2-AUTOINDEXEE
Big data en santé
https://www.inserm.fr/dossier/big-data-en-sante/
Dans le domaine de la santé, les big data (ou données massives) correspondent à l’ensemble
des données disponibles sur la santé, au sens large du terme, recueillies auprès de
différentes sources. L’exploitation de ces données présente de nombreux intérêts :
acquisition d’une meilleure connaissance du système de soins, identification de facteurs
de risque de maladie, aide au diagnostic, au choix et au suivi de l’efficacité des
traitements, pharmacovigilance, épidémiologie… Désormais, le pilotage médico-économique
des établissements de santé, les décisions de santé publique et même la recherche
biomédicale se fondent sur l’exploitation de données massives. Néanmoins, leur collecte
et leur exploitation posent encore de nombreux défis techniques, ainsi que des questions
éthiques.
2022
INSERM - Institut National de la Santé et de la Recherche Médicale
France
information patient et grand public
Mégadonnées
santé
---
N3-AUTOINDEXEE
Utilisation des Big Data pour l'identification des effets indésirables médicamenteux
et des maladies : exemple de l'insuffisance rénale aiguë
https://www.theses.fr/2022AMIE0025
L'exploitation des Big data cliniques, en pleine croissance exponentielle, permet
d'augmenter la puissance des études sur le risque iatrogène. Pour cela, deux types
de bases complémentaires peuvent être utilisées : les bases médico-administratives
et les bases de pharmacovigilance. Nous avons étudié l'insuffisance rénale aiguë (IRA)
selon son lieu d'acquisition (communauté [IRA-AC] ou à l'hôpital [IRA-AH]), car cette
pathologie est fréquente et la part iatrogène y est souvent importante. Nos premiers
travaux se sont concentrés sur l'exploitation de Vigibase , la base mondiale de pharmacovigilance
et ont montré que l'IRA était notifiée respectivement 5.7 et 3.3 fois plus fréquemment
avec le febuxostat et l'allopurinol qu'avec les autres médicaments. Par la suite,
nous avons constitué une cohorte de 1557 patients hospitalisés ayant présenté un épisode
d'IRA grâce aux dossiers médicaux électroniques et aux valeurs de créatininémie. Cette
cohorte a permis d'évaluer la performance des codes CIM10 (classification internationale
des maladies dans sa 10ème révision) utilisée pour coder les IRA par le programme
de médicalisation des systèmes d'information (PMSI). L'utilisation à la fois de codes
de manifestation de la maladie et de cause externe donnait une spécificité et une
VPP très élevée (respectivement 94,8% et 94,9%) tandis que la VPN et la sensibilité
étaient modérées (respectivement 56,7% et 57,4%). Une IRA sur trois avait une part
médicamenteuse ce qui nous a permis dans des troisièmes travaux d'étudier les facteurs
de risques de l'IRA médicamenteuse : le sexe féminin, l'insuffisance rénale chronique
et les antécédents d'effets indésirables médicamenteux ; mais également leur pronostic
et les classes de médicaments impliquées (différentes selon le lieu d'acquisition
de l'IRA). Enfin, grâce à une méthodologie capture-recapture combinant la cohorte
constituée et les données de la base nationale de pharmacovigilance, nous avons pu
calculer la prévalence de l'IRA médicamenteuse, montrant ainsi son importance, notamment
lorsqu'elle est acquise à l'hôpital, et le taux important de sous-notification des
IRA-AH. Ce travail apporte une meilleure connaissance sur les IRA et, avec la validation
du codage des IRA, ouvre la voie à de futures recherches sur cette pathologie en utilisant
les données du PMSI ou du système national des données de santé
2022
theses.fr
France
thèse ou mémoire
Maladies du rein
Mégadonnées
atteinte rénale aigüe
dé-identification
Insuffisance rénale
insuffisance rénale
insuffisance rénale aiguë
Anonymisation des données
réaction indésirable à un médicament
utilisation médicament
effets secondaires indésirables des médicaments
maladie du rein
Insuffisance rénale aiguë
maladie aiguë
agents rénaux
effets indésirables des médicaments
Maladies
Maladie aigüe
Insuffisance rénale aigüe
Médicaments
---
N2-AUTOINDEXEE
Aspects déontologiques de l’utilisation du big data et de l’intelligence artificielle
dans la recherche biomédicale
https://ordomedic.be/fr/avis/telematique/telematique/deontologische-aspecten-van-het-gebruik-van-big-data-en-artifici%C3%ABle-intelligentie-voor-biomedisch-onderzoek
Les avancées ICT (Information Communication Technology) permettent de recueillir d’énormes
quantités de données, de les conserver et de les analyser. De puissants processeurs
dotés d’une forte résistance combinés à de grandes quantités de données constituent
les conditions de base de l’intelligence artificielle sur la base d’algorithmes. Le
concept par lequel les technologies innovantes puisent la valeur des données disponibles
est appelé « Big Data ». Appliquer des techniques d’intelligence artificielle sur
de conséquents fichiers de données engendre un trésor d’informations et de connaissances
permettant d’établir des prévisions fiables et de prendre des décisions rapides et
précises. Dans les soins, l’intelligence artificielle permet aux médecins de dispenser
une médecine de précision adaptée au patient. Déjà actuellement, à titre d’exemple,
l’utilisation de l’intelligence artificielle donne lieu à un énorme gain de temps
et de qualité dans le domaine de l’imagerie médicale.
2021
false
false
false
Ordre des médecins [belge]
Belgique
rapport
intelligence artificielle
ayant l' aspect
intelligence
Recherches
déontologie
Intelligence artificielle
recherche biomédicale
Déontologie
Mégadonnées
---
N3-AUTOINDEXEE
Le système d'information multi-sources du Registre général des cancers de Poitou-Charentes.
Conception, développement et applications à l'ère des données massives en santé
http://www.theses.fr/2021POIT1402
Les registres du cancer sont au plan international l’outil de référence pour produire
une vision exhaustive (non biaisée) du poids, de la dynamique et de la gravité du
cancer dans la population générale. Leur travail de classification et de codage des
diagnostics selon des normes internationales confère aux données finales une qualité
spécifique et une comparabilité dans le temps et dans l’espace qui les rendent incontournables
pour décrire l’évolution et la prise en charge du cancer dans un environnement non
contrôlé. Leur travail repose sur un processus d’enquête rigoureux dont la complexité
est largement dépendante des capacités à accéder et à rassembler efficacement toutes
les données utiles concernant un même individu. Créé en 2007, le Registre Général
des Cancers de Poitou-Charentes (RGCPC) est un registre de génération récente, débuté
à une période propice à la mise en œuvre d’une réflexion sur l’optimisation du processus
d’enregistrement. Porté par l’informatisation des données médicales et l’interopérabilité
croissante des systèmes d’information, le RGCPC a développé et expérimenté sur 10
ans un système d’information multi-sources associant des méthodes innovantes de traitement
et de représentation de l’information fondées sur la réutilisation de données standardisées
produites pour d’autres finalités.Dans une première partie, ce travail présente les
principes fondateurs et l’implémentation d’un système capable de rassembler des volumes
élevés de données, hautement qualifiantes et structurées, et rendues interopérables
sur le plan sémantique pour faire l’objet d’approches algorithmiques. Les données
sont collectées pluri annuellement auprès de 110 partenaires représentant sept sources
de données (cliniques, biologiques et médico-administratives). Deux algorithmes assistent
l’opérateur du registre en dématérialisant une grande partie des tâches préalables
à l’enregistrement des tumeurs. Un premier algorithme crée les tumeurs et leurs caractéristiques
(publication), puis un 2ème algorithme modélise le parcours de soin de chaque individu
selon une séquence ordonnée d’évènements horodatés consultable au sein d’une interface
sécurisée (publication). Des approches de machine learning sont testées pour contourner
l’éventuelle absence de codification des prélèvements anatomopathologiques (publication).La
deuxième partie s’intéresse au large champ de recherche et d’évaluation rendu possible
par la disponibilité de ce système d’information intégré. Des appariements avec d’autres
données de santé ont été testés, dans le cadre d’autorisations réglementaires, pour
enrichir la contextualisation et la connaissance des parcours de soins, et reconnaître
le rôle stratégique des registres du cancer pour l’évaluation en « vie réelle » des
pratiques de soins et des services de santé (preuve de concept) : dépistage, diagnostic
moléculaire, traitement du cancer, pharmaco épidémiologie (quatre publications principales).
L’appariement des données du RGCPC à celles du registre REIN (insuffisance rénale
chronique terminale) a constitué un cas d’usage veillant à expérimenter un prototype
de plateforme dédiée au partage collaboratif des données massives en santé (publication).La
dernière partie de ce travail propose une discussion ouverte sur la pertinence des
solutions proposées face aux exigences de qualité, de coût et de transférabilité,
puis dresse les perspectives et retombées attendues pour la surveillance, l’évaluation
et la recherche à l’ère des données massives en santé.
2021
theses.fr
France
thèse ou mémoire
Applications
attention
Applications
massif
Information générale
Systèmes d'information
Poitou-Charentes
santé
Poitou-Charentes
registres
Mégadonnées
conception
fécondation
Applications
médecins généralistes
Conception
enregistrements
systèmes d'information
répertoire
enregistrements
---
N1-VALIDE
Accès sémantique aux données massives et hétérogènes en santé
https://tel.archives-ouvertes.fr/tel-02287217
Les données cliniques sont produites par différents professionnels de santé, dans
divers lieux et sous diverses formes dans le cadre de la pratique de la médecine.
Elles présentent par conséquent une hétérogénéité à la fois au niveau de leur nature
et de leur structure mais également une volumétrie particulièrement importante et
qualifiable de massive. Le travail réalisé dans le cadre de cette thèse s’attache
à proposer une méthode de recherche d’information efficace au sein de ce type de données
complexes et massives. L’accès aux données cliniques se heurte en premier lieu à la
nécessité de modéliser l’information clinique. Ceci peut notamment être réalisé au
sein du dossier patient informatisé ou, dans une plus large mesure, au sein d’entrepôts
de données. Je propose dans ce mémoire une preuve de concept d’un moteur de recherche
permettant d’accéder à l’information contenue au sein de l’entrepôt de données de
santé sémantique du Centre Hospitalier Universitaire de Rouen. Grâce à un modèle de
données générique, cet entrepôt adopte une vision de l’information assimilable à un
graphe de données rendant possible la modélisation de cette information tout en préservant
sa complexité conceptuelle. Afin de fournir des fonctionnalités de recherche adaptées
à cette représentation générique, un langage de requêtes permettant l’accès à l’information
clinique par le biais des diverses entités qui la composent a été développé et implémenté
dans le cadre de cette thèse. En second lieu, la massivité des données cliniques constitue
un défi technique majeur entravant la mise en oeuvre d’une recherche d’information
efficace. L’implémentation initiale de la preuve de concept sur un système de gestion
de base de données relationnel a permis d’objectiver les limites de ces derniers en
terme de performances. Une migration vers un système NoSQL orienté clé-valeur a été
réalisée. Bien qu’offrant de bonnes performances d’accès atomique aux données, cette
migration a également nécessité des développements annexes et la définition d’une
architecture matérielle et applicative propice à la mise en oeuvre des fonctionnalités
de recherche et d’accès aux données. Enfin, l’apport de ce travail dans le contexte
plus général de l’entrepôt de données de santé sémantique du CHU de Rouen a été évalué.
La preuve de concept proposée dans ce travail a ainsi été exploitée pour accéder aux
descriptions sémantiques afin de répondre à des critères d’inclusion et d’exclusion
de patients dans des études cliniques. Dans cette évaluation, une réponse totale ou
partielle a pu être apportée à 72,97% des critères. De plus, la généricité de l’outil
a également permis de l’exploiter dans d’autres contextes tels que la recherche d’information
documentaire et bibliographique en santé.
2019
false
false
false
TEL - Thèses en ligne
Rouen
France
français
thèse ou mémoire
Mégadonnées
systèmes informatisés de dossiers médicaux
moteur de recherche
donnée clinique
---
N2-AUTOINDEXEE
Recherche de facteurs associés à la maladie d’Alzheimer par réutilisation de base
de données massives
http://www.theses.fr/2019LIL2S001
INTRODUCTION. Les troubles neurocognitifs sévères ou démences sont notamment définis
par la CIM-10 et le DSM-5. Ils englobent un cadre nosographique large : démence d’Alzheimer,
démence vasculaire, démence à corps de Lewy, dégénérescence lobaire fronto-temporale,
etc. Chaque type de démence possède des critères diagnostiques propres et des facteurs
de risque partiellement identifiés. Identifier les troubles cognitifs dans les grandes
bases de données est une question complexe, qui doit tenir compte de l’évolution des
connaissances. Notre premier objectif était de décrire l’évolution des codages de
démences dans la base nationale du Programme de Médicalisation des Systèmes d’Information
(PMSI) de court séjour, au fil de l’évolution des critères diagnostiques. Notre deuxième
objectif était d’énumérer les principaux facteurs associés connus de maladie d’Alzheimer.
Notre troisième objectif était de déterminer les facteurs associés à l’apparition
d’une maladie d’Alzheimer dans la base nationale du PMSI de court séjour.METHODES.
Pour le premier travail, nous avons utilisé les diagnostics principaux sur le site
ScanSanté pour le PMSI de court séjour de 2007 à 2017. Pour le deuxième travail, nous
avons effectué une synthèse des revues de littérature et méta-analyses en utilisant
les moteurs de recherche PubMed et LiSSa. Pour le troisième travail, nous avons réalisé
une étude analytique par fouille de données dans la base nationale du PMSI de court
séjour chez les patients âgés de 55 ans ou plus en 2014 : nous avons sélectionné 137
variables explicatives potentielles en 2008 ; la variable à expliquer était la maladie
ou démence d’Alzheimer en 2014.RESULTATS. Notre premier travail sur l’identification
des démences met en évidence une diminution des séjours hospitaliers avec pour diagnostic
principal une maladie ou démence d’Alzheimer, avec un glissement vers d’autres troubles
mentaux organiques ; une stabilité des séjours hospitaliers avec pour diagnostic principal
une démence vasculaire mais avec une modification des sous-diagnostics (diminution
des diagnostics principaux d’infarctus multiples et augmentation de tous les autres
sous-types) ; une augmentation importante des séjours hospitaliers avec pour diagnostic
principal une démence ou autre trouble cognitif persistant ou tardif liés à la consommation
d’alcool ; une évolution homogène sur l’ensemble du territoire français. Ces résultats
sont en faveur d’un codage respectueux des évolutions de la littérature. Nos deux
travaux suivants sur l’identification des populations à risque permettent d’identifier
plusieurs facteurs associés à la maladie ou démence d’Alzheimer, notamment l’âge,
le sexe féminin, le diabète de type 2, la dépression, la dénutrition, les troubles
bipolaires, psychotiques et anxieux, le faible niveau de scolarité, l’excès d’alcool,
l’épilepsie, les chutes après 75 ans et l’hypertension intracrânienne. Ces facteurs
associés peuvent être des facteurs de risque, des symptômes précoces, révélateurs
ou précipitants.CONCLUSION. Identifier les troubles cognitifs dans les grandes bases
de données implique de bien comprendre l’évolution des codages de démence, qui semble
respecter l’évolution des connaissances. L’identification des patients ayant des facteurs
associés aux démences permet un repérage précoce plus ciblé, puis une bonne identification
du diagnostic étiologique nécessaire à une prise en charge adaptée.
2019
theses.fr
France
thèse ou mémoire
Recherches
Maladie
facteur
Maladies
massif
Base de données
maladie d'alzheimer
Mégadonnées
comorbidité
bases de données comme sujet
maladie d'Alzheimer
base
recherche
---
N2-AUTOINDEXEE
Données massives et santé : Etat des lieux, prospective et nouvelles questions éthiques
https://www.ccne-ethique.fr/node/173?taxo=0
https://www.ccne-ethique.fr/node/399?taxo=0
Les données massives en santé ont un impact important et croissant en permettant par
leur exploitation d’importantes innovations dans le domaine de la recherche, dans
la prise en charge des patients et l’organisation du système de soins. Les mutations
technologiques et culturelles à l’œuvre obligent à s’interroger sur les enjeux éthiques
liés au recueil des données, à leur traitement et à leur exploitation. Dans son avis
130, le CCNE dresse un état des lieux complet des données massives dans le champ de
la santé, évoque leur développement potentiel et analyse les nouvelles questions éthiques
que ces sujets soulèvent. Il propose 12 recommandations qu’il estime indispensables
au respect des principes éthiques. Cet avis est une réponse du CCNE à une saisine
effectuée par la ministre de la Santé en janvier 2017.
false
false
false
CCNE - Comité Consultatif National d'Ethique
France
information scientifique et technique
Éthique
ensemble de données
Prospectives
massif
état de santé
éthique
Mégadonnées
questions éthiques
ensemble de données
---
N3-AUTOINDEXEE
Enjeux et place des data sciences dans le champ de la réutilisation secondaire des
données massives cliniques : une approche basée sur des cas d’usage
http://www.theses.fr/2019REN1B023
La dématérialisation des données de santé a permis depuis plusieurs années de constituer
un véritable gisement de données provenant de tous les domaines de la santé. Ces données
ont pour caractéristiques d’être très hétérogènes et d’être produites à différentes
échelles et dans différents domaines. Leur réutilisation dans le cadre de la recherche
clinique, de la santé publique ou encore de la prise en charge des patients implique
de développer des approches adaptées reposant sur les méthodes issues de la science
des données. L’objectif de cette thèse est d’évaluer au travers de trois cas d’usage,
quels sont les enjeux actuels ainsi que la place des data sciences pour l’exploitation
des données massives en santé. La démarche utilisée pour répondre à cet objectif consiste
dans une première partie à exposer les caractéristiques des données massives en santé
et les aspects techniques liés à leur réutilisation. La seconde partie expose les
aspects organisationnels permettant l’exploitation et le partage des données massives
en santé. La troisième partie décrit les grandes approches méthodologiques en science
des données appliquées actuellement au domaine de la santé. Enfin, la quatrième partie
illustre au travers de trois exemples l’apport de ces méthodes dans les champs suivant
: la surveillance syndromique, la pharmacovigilance et la recherche clinique. Nous
discutons enfin les limites et enjeux de la science des données dans le cadre de la
réutilisation des données massives en santé.
2019
theses.fr
France
thèse ou mémoire
Mégadonnées
Base de données
étude de cas
science des données
bases de données comme sujet
massif
base de données
présentations de cas
---
N1-VALIDE
Le rôle des Méga données dans l’évolution de la pratique médicale
http://www.academie-medecine.fr/le-role-des-mega-donnees-dans-levolution-de-la-pratique-medicale/
En face de l’apport des mégadonnées, des questions se posent : le respect du secret
médical, plus généralement des droits des patients est-il mis en risque ? Le rôle
du médecin sera-t-il mis en cause par ces outils ou par l’utilisation qui en sera
faite, y compris dans le contrôle de leur exercice ? Quelle qualité attribuer à l’utilisation
de ces ensembles considérables de données dont la validité ne peut être garantie ?
Il n’est pas proposé ici de répondre exhaustivement à ces interrogations, mais d’apporter
des éléments d’état des lieux et de compréhension.
2018
false
false
false
Académie Nationale de Médecine
France
français
article de périodique
Mégadonnées
informatique médicale
---
N3-AUTOINDEXEE
Analyse et visualisation de trajectoires de soins par l’exploitation de données massives
hospitalières pour la pharmacovigilance
http://www.theses.fr/2018REN1B032
Le phénomène de massification des données de santé constitue une opportunité de répondre
aux questions des vigilances et de qualité des soins. Dans les travaux effectués au
cours de cette thèse, nous présenterons des approches permettant d’exploiter la richesse
et le volume des données intra hospitalières pour des cas d’usage de pharmacovigilance
et de surveillance de bon usage du médicament. Cette approche reposera sur la modélisation
de trajectoires de soins intra hospitalières adaptées aux besoins spécifiques de la
pharmacovigilance. Il s’agira, à partir des données d’un entrepôt hospitalier de caractériser
les événements d’intérêt et d’identifier un lien entre l’administration de ces produits
de santé et l’apparition des effets indésirables, ou encore de rechercher les cas
de mésusage du médicament. L’hypothèse posée dans cette thèse est qu’une approche
visuelle interactive serait adaptée pour l’exploitation de ces données biomédicales
hétérogènes et multi-domaines dans le champ de la pharmacovigilance. Nous avons développé
deux prototypes permettant la visualisation et l’analyse des trajectoires de soins.
Le premier prototype est un outil de visualisation du dossier patient sous forme de
frise chronologique. La deuxième application est un outil de visualisation et fouille
d’une cohorte de séquences d’événements. Ce dernier outil repose sur la mise en œuvre
d’algorithme d’analyse de séquences (Smith-Waterman, Apriori, GSP) pour la recherche
de similarité ou de motifs d’événements récurrents. Ces interfaces homme-machine ont
fait l’objet d’études d’utilisabilité sur des cas d’usage tirées de la pratique réelle
qui ont prouvé leur potentiel pour un usage en routine.
2018
theses.fr
France
thèse ou mémoire
Affichage de données
Surveillance des médicaments
Mégadonnées
Visualisation de données
Soins
pharmacovigilance
massif
Analyse de données
programme clinique
Surveillance des médicaments
soins
---
N1-SUPERVISEE
Big data en santé : Réutilisation des données massives en santé, définition, exemples
de cas d’usage, infrastructures et méthodes.
Webinar QuanTIM
https://youtu.be/d8SHvv7dcVA
https://sesstim.univ-amu.fr/video-box/webinar-quantim-marc-cuggia
Cours présenté par Marc CUGGIA
2017
false
false
false
true
SESSTIM
France
matériel d'enseignement audio-visuel
Mégadonnées
mégadonnées
---
N2-AUTOINDEXEE
Big data, Functional modelling, Time Data.
Webinar Commun OHI
https://youtu.be/bhe89wzA2BY
https://sesstim.univ-amu.fr/video-box/webinar-sesstimohi-jacques-demongeot
Jacques DEMONGEOT
2017
false
false
false
false
false
SESSTIM
France
matériel d'enseignement audio-visuel
communication
Communication
Actualités
Mégadonnées
Communication
Communications
communisme
Commune
actualités
communication
mégadonnées
---
N3-AUTOINDEXEE
Exemple d’exploitation de données massives de téléphonie mobile au Sénégal pour une
utilisation en santé.
Webinar QuanTIM
https://youtu.be/eEeWea_WRes
https://sesstim.univ-amu.fr/video-box/webinar-quantim-frantz-thiessard
FRANTZ THIESSARD
2016
false
false
false
false
false
SESSTIM
France
matériel d'enseignement audio-visuel
Téléphone
santé
ensemble de données
Sénégal
massif
Mégadonnées
mobilité
Sénégal
Utilisation du téléphone portable
sénégalais
téléphone
ensemble de données
téléphone
mégadonnées
---
N3-AUTOINDEXEE
Big data en épidémiologie
Webinar QuanTIM
https://youtu.be/03wN50zyX9E
https://sesstim.univ-amu.fr/video-box/webinar-quantim-laura-richert
Laura RICHERT
2016
false
false
false
false
false
SESSTIM
France
matériel d'enseignement audio-visuel
Epidémiologie
Epidémiologie
épidémiologie
Epidémiologie
Epidémiologie
Mégadonnées
Epidémiologie
mégadonnées
épidémiologie
---