Libellé préféré : Entreposage de données;
Synonyme CISMeF : Entrepôt de données;
Acronyme CISMeF : EDS;
Lien Wikipédia : https://fr.wikipedia.org/wiki/Entrepôt de données;
Identifiant d'origine : D000073458;
CUI UMLS : C4505078;
Alignements automatiques CISMeF supervisés
Alignements automatiques exacts (par équipe CISMeF)
Alignements automatiques faux
Alignements automatiques supervisés en BTNT
Concept(s) lié(s) au record
Liste des qualificatifs affiliables
Type(s) sémantique(s)
N3-AUTOINDEXEE
Évaluation de la qualité des données dans les bases de données en médecine générale
: Mesure de la concordance des données relatives au diabète dans l’entrepôt PRIMEGE
Normandie
https://dumas.ccsd.cnrs.fr/dumas-04908218v1
Introduction : L’utilisation des Dossiers Médicaux Électroniques est devenue essentielle
en soins primaires, facilitant la collecte et l’analyse des données pour la recherche
et la gestion des soins. Cette étude vise à évaluer la qualité des données de santé
relatives au diabète dans la base de données PRIMEGE Normandie, en examinant les dimensions
de complétude, d’exactitude et de concordance pour garantir leur fiabilité. Méthodes
: L’étude, rétrospective et descriptive, exploite les DME de 39 médecins généralistes
en Normandie sur une période de 2012 à 2022. Deux algorithmes ont été développés :
un basé sur des données biologiques et thérapeutiques structurées et l'autre sur des
données diagnostiques documentées par les médecins. Les mesures de la qualité des
données incluent le coefficient Kappa de Cohen et le score F1, en plus de l’évaluation
de la complétude et de l'exactitude. Des analyses en sous-groupes selon divers facteurs
ont été réalisées pour explorer les variations de concordance.
2025
DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
France
thèse ou mémoire
Entreposage de données
diabète
Mesures
bases de données comme sujet
Qualité des données
plan de recherche
Base de données
médecine générale
poids et mesures
études d'évaluation comme sujet
Exactitude des données
Évaluation qualitative
---
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
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
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
---
N2-AUTOINDEXEE
Étude de la faisabilité et de l’intérêt de la mesure d’indicateurs de qualité et sécurité
des soins sur les entrepôts de données de santé hospitaliers
https://www.has-sante.fr/jcms/p_3499689/fr/etude-de-la-faisabilite-et-de-l-interet-de-la-mesure-d-indicateurs-de-qualite-et-securite-des-soins-sur-les-entrepots-de-donnees-de-sante-hospitaliers
De nombreux indicateurs de qualité et sécurité des soins (IQSS) sont mesurés à partir
d’un audit de dossier de patient. Cette mesure chronophage, est réalisée manuellement
par les établissements de santé français sur un grand nombre de dossiers. Dans un
contexte de ressources professionnelles contraintes, la HAS évalue la faisabilité
et l’intérêt d’exploiter les entrepôts de données hospitalières (EDSH) pour ces mesures.
Les EDSH sont définis comme la collecte et la structuration de l’information médicale
des patients fréquentant un établissement de santé au sein d’une base de données unique.
Les EDSH sont développés par les établissements de santé, majoritairement universitaires,
afin de mieux gérer la complexité de leurs données et permettre de nouvelles réutilisations
des données de soins collectées en routine. Ces nouveaux usages concernent majoritairement
la recherche mais également d’autres types de réutilisation, notamment le pilotage
des soins et la vigilance sanitaire. En plus de réduire le temps de recueil de ces
IQSS, l’utilisation des EDSH pourrait par exemple permettre un suivi plus régulier
des IQSS en dehors des campagnes organisées par la HAS, et de réaliser le calcul sur
l’exhaustivité des populations concernées.
2024
HAS - Haute Autorité de Santé
France
rapport
laisse entrevoir
prestations des soins de santé
sécurité des données
études de faisabilité
recherche qualitative
sécurité informatique
indication de
hôpital
Mesures de sécurité
Entreposage de données
Sécurité des données
hôpitaux
étude de sécurité
indicateurs qualité santé
qualité des soins
Soins de santé
soins de
prestations des soins de santé
entrepôt
faisabilité
---
N2-AUTOINDEXEE
Cartographie des entrepôts de données de santé en France
https://www.cnil.fr/fr/explorez-la-cartographie-des-entrepots-de-donnees-de-sante-en-France
https://carto-eds.beta.cnil.fr/
Qu’est-ce qu’un entrepôt de données de santé (EDS) ? Les EDS sont des bases de données
constituées pour une longue durée et destinées à être réutilisées principalement à
des fins de pilotage (gestion, contrôle et administration de l’activité) et de recherches,
d’études, d’évaluations dans le domaine de la santé. Ils peuvent être constitués tant
par des acteurs publics (comme un établissement public de soin) que privés (comme
un courtier de données ou une startup), sous réserve de respecter le cadre juridique
applicable. Pour en savoir plus sur les EDS, voir la publication « Traitements de
données de santé : comment faire la distinction entre un entrepôt et une recherche
et quelles conséquences ? » sur le site de la CNIL. Pourquoi le LINC publie-t-il
cette cartographie ? La CNIL a un rôle de régulateur des données personnelles en général,
et en particulier des données de santé. Ainsi, elle accompagne, autorise (dans certaines
hypothèses) et contrôle la mise en œuvre de ces entrepôts de données de santé. Devant
la multiplication de ces derniers et des organismes souhaitant en constituer, il est
apparu particulièrement utile de créer un outil permettant à la fois de comprendre
les dynamiques à l’œuvre et d’améliorer la transparence de l’usage des données de
santé dans le cadre de la recherche.
2024
CNIL - Commission Nationale de l'Informatique et Libertés
France
carte géographique
France
Entreposage de données
français
ensemble de données
cartographie géographique
santé
---
N1-VALIDE
Entrepôt de données de santé du CHU de Rouen Normandie
https://www.cismef.org/cismef/wp/wp-content/uploads/2023/01/EDSaN-Rouen-jan-2023.pdf
Qu'est-ce que c'est; Objectifs des EDS; Aujourd'hui dans les CH; État de l'art; Entrepôt
de données de santé au CHU de Rouen; EDS Rouen; HeTOP Terminology server; ECMT Semantic
Annotator (NLP 1 Deep learning); Multiterminology Multilingual Semantic search engine;
NoSQL Architecture; Résultats; EDS Rouen; Volumétrie; Couverture fonctionnelle; Politique
d'accès à EDSaN; Résultats & Outils; Plateforme EDSaN; Outil modulaire de recherche;
Création de requêtes rapides; Combiner les requêtes des modules; Consultation et sélection
des dossiers patients; Assistant sémantique; Analyses textuels (module Doc'EDS); Doc'EDS
(module document); ECMT: annotation automatique des documents textuels; ECMT - Étude
qualitative; Bilan février 2021; États des lieux; Le pourquoi du succès; Valorisation;
En développement; Perspectives;
2023
false
false
false
false
true
Université de Rouen, UFR Santé
CHU de Rouen
France
français
cours
Entreposage de données
santé
Entreposage de données
terminologie comme sujet
moteur de recherche
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]
moteur de recherche
entrepôt de données
Terminologie
---
N1-VALIDE
Entrepôts de données de santé
https://www.cismef.org/cismef/wp/wp-content/uploads/2023/12/EDS_2023.pdf
Cours présenté par Julien Grosjean. Plan du cours: Objectifs pédagogiques; EDS - Qu'est-ce
que c'est; Objectifs des EDS; Aujourd'hui dans les CH; États des lieux des EDS; États
des lieux des EDS hospitaliers en France; Types d'EDS; Approche rouennaise pour l'EDS;
EDS Rouen; EDSaN au CHU de Rouen; EDS Rouen - Couverture fonctionnelle; Aspects méthodologiques
et techniques; Architecture technique EDSaN; Procédures; 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; Tableaux de bord; Nb de patients
VRS par tranche d'âge sur les 5 dernières années, CHU Rouen; Saison des bronchiolites
en 2022/23 aux urgences du CHU de Rouen; Saison des bronchiolites (tranches d'âges)
aux urgences du CHU de Rouen; Plateforme de traitements des données; EDSaNCoh: cohortes
automatiques; Traitements en aval; Expérience EDSaN: bilan novembre 2023; État des
lieux; Et maintenant...
2023
false
false
false
false
1er cycle / licence
true
Université de Rouen, UFR Santé
CHU de Rouen
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
GCS G4
Groupement de coopération sanitaire Hôpitaux Universitaires Amiens Caen Lille Rouen
https://www.gcs-g4.fr/
Le GCS G4 souhaite porter une vision résolument partenariale entre les quatre centres
hospitalo-universitaires de l’inter-région Nord-Ouest. L’objectif est de capitaliser
sur les forces et les expertises de chacun des CHU et de leurs partenaires académiques
(Universités et EPST), dans l’intérêt commun de tous. Cette ambition partagée s’appuie
sur les liens privilégiés constitués progressivement entre les CHU de Rouen et Caen
d’une part, Lille et Amiens d’autre part, dans leurs régions administratives respectives.
Le projet est de renforcer la complémentarité des acteurs hospitalo-universitaires
en partenariat avec les universités, les organismes de recherche, les collectivités
territoriales et les ARS. Le GCS G4 est une réponse aux défis à relever collectivement,
à savoir : soutenir la recherche et l’innovation, promouvoir et coordonner les soins
d’excellence, conforter une formation de haut niveau, contribuer au développement
des territoires du GCS G4. Son ambition est de créer des synergies et un effet levier
en finançant des actions collectives de mise en réseau des acteurs.
2023
false
false
false
CHRU de Lille - Centre Hospitalier Régional et Universiatire de Lille
France
français
réseau coordonné
France
hôpitaux universitaires
Entreposage de données
---
N2-AUTOINDEXEE
Réutilisation des données de réanimation : État de lieux des bases existantes et mise
en place d’un entrepôt de données de réanimation au CHU de Rouen
https://dumas.ccsd.cnrs.fr/dumas-04208241/
Contexte : Les services des réanimations prennent en charge les patients les plus
graves avec un haut risque de mortalité. En raison de l'état critique de ces patients,
une surveillance étroite est nécessaire, conduisant à la collecte d'un volume important
de données. Des collaborations ont permis l'émergence de grandes bases de données
en accès libre à l’origine de nombreuses publications dans le domaine. Objectif :
L'objectif de cette revue de la littérature est d'identifier les caractéristiques
des études utilisant des bases de données ouvertes de soins intensifs et de décrire
la contribution de ces études à la recherche en soins intensifs. Méthodes : La recherche
a été effectuée à partir de 3 bases de données (PubMed - Medline, Embase, Web of Science)
de la création de la base de données jusqu'au 1er août 2022. Ont été inclus les articles
originaux basés sur 4 bases de données ouvertes concernant des patients adultes admis
en unités de réanimation (Amsterdam University Medical Centers Database (AmsterdamUMC),
Collaborative Research Database (eICU-CRD), High time resolution ICU dataset (HiRID),
Medical Information Mart for Intensive Care (MIMIC)). Les caractéristiques liées à
la description des publications, à la conception des études et aux analyses statistiques
ont été extraites et analysées.
2023
DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
France
thèse ou mémoire
accouchement
Préparer
insertion
être
Entreposage de données
raisonnement
mise en place
Base de données
hôpitaux universitaires
va bien
bases de données comme sujet
entrepôt
réanimation
réutilisation de matériel
base de données
réanimation
Mutation par insertion
réutiliser
---
N3-AUTOINDEXEE
La résistance dans les infections bactériennes : apport de l'entrepôt de données de
santé de l'AP-HP
https://www.theses.fr/2022UPASR016
L'objectif de cette thèse était d'évaluer l'apport des données hospitalières pour
l'étude des infections bactériennes résistantes aux antibiotiques, à travers l'exemple
des bactériémies et de l'Entrepôt de Données de Santé de l'Assistance Publique - Hôpitaux
de Paris.Une base de données clinico-microbiologiques de plus de 30 000 patients hospitalisés
avec une bactériémie dans 14 hôpitaux avec une activité de soins aigus entre 2016
et 2019 a été structurée (base BactHub). Un travail exploratoire évalue l'apport d'un
programme de Traitement Automatisé du Langage Naturel pour l'identification des sites
primaires des bactériémies dans les comptes-rendus, en comparaison avec les codages
CIM-10.Les principales caractéristiques des patients, premiers épisodes et bactéries
sont décrites, selon l'origine communautaire ou nosocomiale de la bactériémie. Plus
de la moitié des patients étaient de sexe masculin, et d'âge 60 ans. Les taux de
mortalité étaient non négligeables, et allaient de 14 à 19% en intra-hospitalier
à 20-26% à J90. Les taux de résistance aux antibiotiques étaient importants : K. pneumoniae
C3G-R, 21-37% ; E. coli C3G-R 13-17% ; SARM 11-14%. La comparaison de nos résultats
avec la littérature conforte l'utilisation de la base pour la recherche.Ensuite, une
étude souligne l'impact majeur de l'identification d'une Klebsiella spp. C3G-R (OR
4,7), et de manière secondaire d'un E. coli C3G-R (OR 2,5), sur le risque de récurrence
de bactériémie à 1 an, dans les bactériémies communautaires, après ajustement. A contrario,
l'identification d'un SARM n'était pas liée à la récurrence.Enfin, les points clés
et les défis liés à l'étude du lien entre l'exposition individuelle aux antibiotiques
et la survenue d'infections bactériennes communautaires résistantes aux antibiotiques
sont présentés. Afin d'améliorer et de standardiser les futures études, une proposition
est discutée. En conclusion, l'enrichissement de la base avec des données issues du
SNDS augmenterait fortement le potentiel de la base pour la recherche.
2022
theses.fr
France
Infection
infections bactériennes
maladie infectieuse bactérienne
santé
résistance aux infections
ensemble de données
Entreposage de données
résistance bactérienne
---
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
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
1er cycle / licence
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
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
---
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
---
N3-AUTOINDEXEE
Contributions à l'extraction d'information dans un entrepôt de données hospitalier
: une aide pour la recherche clinique
https://tel.archives-ouvertes.fr/tel-03857962
Le développement des technologies numériques a conduit à la numérisation des informations
médicales et à la dématérialisation des dossiers papiers en dossiers patients informatisés
(DPI). Les données générées dans un hôpital contiennent des informations précieuses
pour la recherche médicale. Les hôpitaux ont mis en place des entrepôts de données
(EDS) pour faciliter l’utilisation secondaire des données. Dans un EDS, les chercheurs
ont besoin d’identifier les patients éligibles à une étude clinique et de retourner
au DPI pour remplir le cahier d’observation électronique d’une étude. La principale
difficulté réside dans le caractère non structuré des informations médicales présentes
sous forme de texte libre. Des méthodes de traitement automatique de la langue sont
nécessaires pour structurer les données afin de faciliter leur interrogation et leur
extraction. L’objectif de cette thèse était de développer des outils et des méthodes
pour aider les chercheurs à mener des études de faisabilité et à trouver des informations
dans un DPI. Les principales contributions de cette thèse sont les suivantes: une
terminologie sur les médicaments en langue française. De nombreuses études s’intéressent
à l’utilisation, l’efficacité et à la tolérance des médicaments en vie réelle. Les
médicaments permettent aussi d’identifier certaines maladies. L’absence d’une terminologie
normalisée du médicament a conduit à la construction de Romedi, référentiel ouvert
du médicament, qui offre de bonnes performances pour détecter et identifier les médicaments
dans les données hospitalières. Un annotateur sémantique scalable à un entrepôt de
données. L’annotation sémantique consiste à relier des séquences de mots d’un document
aux concepts d’une terminologie. Elle permet la détection et l’indexation de concepts
médicaux. Comment indexer des millions de documents d’un EDS avec des terminologies
médicales contenant plusieurs centaines de milliers de termes ? Dans ce travail, nous
proposons un nouvel algorithme, IAMsystem, scalable à l’échelle d’un entrepôt de données
et dont la complexité dépend peu de la taille d’une terminologie. Un inventaire de
sens des abréviations médicales. Les abréviations sont largement utilisées en médecine.
Elles ajoutent de la complexité aux tâches de traitement automatique de la langue
et doivent être prises en compte par un annotateur sémantique. Ce travail présente
deux algorithmes pour détecter automatiquement des abréviations à partir d’un corpus
de documents médicaux et propose le premier inventaire d’abréviations issu de données
hospitalières en langue française. [...]
2022
TEL - Thèses en ligne
France
thèse ou mémoire
Recherches
Aides à la recherche
extraction
Entreposage de données
soutien financier à la recherche comme sujet
extraction d'informations
recherche biomédicale
hôpital
extraction des données
hôpitaux
---
N2-AUTOINDEXEE
Délibération n 2021-118 du 7 octobre 2021 portant adoption d'un référentiel relatif
aux traitements de données à caractère personnel mis en œuvre à des fins de création
d'entrepôts de données dans le domaine de la santé
https://www.legifrance.gouv.fr/jorf/id/JORFTEXT000044239566
Portée du référentiel Ce référentiel précise le cadre juridique, issu du règlement
général sur la protection des données (RGPD) et des dispositions nationales, applicable
aux entrepôts de données de santé. Les responsables de traitement qui réalisent auprès
de la Commission une déclarationde conformité au présent référentiel sont autorisés
à mettre en œuvre un entrepôt de données de santé lorsque le traitement est strictement
conforme au référentiel.
2021
Développement et Santé
France
recommandation
Entreposage de données
Données personnelles
7-methylbenzo[a]anthracene
santé
Caractère
adoption
adoption
---
N1-VALIDE
Using Clinical Data Warehouse to optimize the vaccination strategy against COVID-19
A use case in France
https://www.youtube.com/watch?v=FfgaT0yMXpw
Présentation faite par Julien Grosjean durant la conférence virtuelle de Medinfo 2021
- One world, one health: Global Partnership for Digital Innovation, qui a eu lieu
du 2 au 4 octobre 2021. COVID-19 vaccination strategy in France; EDSaN: the Rouen
University Hospital clinical data warehouse; EDSaN: the Rouen University Hospital
health data warehouse; Objective of the study; Method; Results; Discussion: strength
of this approach; Discussion: weakness of this approach; Conclusion
2021
false
false
false
false
true
CHU de Rouen
France
français
congrès ou conférence
matériel audio-visuel
Entreposage de données
entrepôt de données
vaccins contre la COVID-19
---
N1-VALIDE
L'Entrepôt de Données de Santé, le nouvel Eldorado
L'exemple précurseur de l'équipe du CHU de Rouen
https://www.youtube.com/watch?v=jPJ2OZE9KLQ
2021
false
false
false
false
true
France
français
matériel audio-visuel
Entreposage de données
entrepôt de données
---
N1-SUPERVISEE
EDSaN - Entrepôt de Données de Santé Normand du CHU de Rouen
https://edsan.chu-rouen.fr/edsan/
L’Entrepôt de Données de Santé (EDS) est un outil informatique permettant la collection,
l’intégration puis le traitement des données de santé provenant d’un grand nombre
de sources d’information clinique (dossier patient informatisé, système d’information
des laboratoires et d’imagerie, prescription informatisée, dossier infirmier, etc.).
Cette base de données centralisée permet d’agréger un maximum d’informations disponibles
sur les patients quelle que soit l’application source. En ayant accès à ces données,
l’EDS va donner la possibilité de croiser ces informations et donc de sélectionner
finement des patients/données. L’EDS du CHU de Rouen se nomme EDSaN (pour Entrepôt
de Données de Santé Normand). Il est opérationnel depuis octobre 2020.
false
false
false
CHU de Rouen
France
français
Entreposage de données
site institutionnel
information patient et grand public
information scientifique et technique
systèmes d'information hospitaliers
---
N2-AUTOINDEXEE
Entrepôts de données et intelligence artificielle
Webinar Commun OHI
https://youtu.be/WSrbaVr-3MI
https://sesstim.univ-amu.fr/video-box/webinar-sesstimohi-michel-volle
Michel VOLLE
2019
SESSTIM
France
matériel d'enseignement audio-visuel
Communication
ensemble de données
Communication
Intelligence artificielle
intelligence artificielle
Actualités
intelligence
Entreposage de données
Communication
plan de recherche
Communisme
Communications
Commune
ensemble de données
communication
actualités
communisme
---
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
---