Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Ce projet propose un ensemble de données médicales anonymisées et structurées pour analyser les facteurs de risque de maladies cardiovasculaires. Il inclut des informations objectives (âge, pression artérielle, cholestérol) et subjectives (tabagisme, activité physique) collectées lors d'examens médicaux. Les données sont destinées à des chercheurs, data scientists ou professionnels de santé pour développer des modèles prédictifs ou des études épidémiologiques.
- Notoriété 15 %Cohort360 est une plateforme dédiée à la gestion et à l'analyse de cohortes de patients dans le domaine de la santé. Elle permet de simuler des données médicales réalistes via Synthea, d'intégrer ces données dans des systèmes conformes aux standards FHIR, et de générer des ressources médicales standardisées pour faciliter les études épidémiologiques ou cliniques. L'outil est conçu pour soutenir les professionnels de santé et les chercheurs dans leurs analyses.
- Ce projet vise à centraliser et analyser des données médicales anonymisées pour faciliter la recherche clinique et améliorer les pratiques de soins. Il permet aux professionnels de santé de collaborer en partageant des informations sécurisées et structurées, tout en garantissant la confidentialité des patients. Les données collectées sont utilisées pour des études épidémiologiques ou des évaluations de protocoles thérapeutiques.
- Ce projet centralise des expériences et analyses statistiques pour une étude médicale, notamment sur les risques de fractures et les expositions des patients. Il permet de traiter des cohortes de données, de générer des métadonnées et des visualisations (courbes, intensités, intervalles de confiance) pour évaluer des paramètres cliniques ou épidémiologiques. Les résultats sont utilisés pour produire des rapports ou des indicateurs utiles à la recherche ou à la prise de décision médicale.
- Notoriété 18 %Bibliothèque open source dédiée à l'analyse de données médicales issues de bases de santé (comme le SNDS). Elle permet de manipuler des cohortes de patients, d'effectuer des opérations algébriques (union, intersection, différence) et de générer des statistiques ou visualisations pour la recherche médicale. Utilisée principalement dans le cadre d'études épidémiologiques ou de suivi de populations spécifiques.
- Outil open source conçu pour générer des données synthétiques conformes au schéma de la base SNDS (Système National des Données de Santé) française. Ces données reproduisent des trajectoires de soins réalistes tout en garantissant la préservation de la vie privée, sans nécessiter de données réelles. Il permet de simuler des parcours de soins, des délivrances de médicaments, des hospitalisations et des actes médicaux pour des études épidémiologiques ou le développement d'algorithmes d'IA.
- Notoriété 24 %EDS-TeVa est une bibliothèque open source conçue pour analyser et modéliser l'adoption des dossiers patients électroniques (DPE) dans le temps et l'espace. Elle permet aux chercheurs et professionnels de santé d'évaluer la qualité des indicateurs médicaux, d'optimiser les processus hospitaliers et de réaliser des études épidémiologiques à partir de données médicales structurées.
- Ce projet est une requête-type écrite en SAS/SQL pour sélectionner et analyser les prestations de remboursement de médicaments dans le DCIR (Datamart de Consommation Inter-Régimes). Il permet d'extraire des données ciblées sur les médicaments ou autres actes médicaux en utilisant des tables affinées de codage. La requête est conçue pour être adaptée à différentes populations (bénéficiaires d'un régime d'Assurance Maladie ou population préalablement constituée) et gère les régularisations de paiement. Elle est maintenue par l'équipe SNDS de Santé publique France et validée pour une utilisation dans des études épidémiologiques.
- Ce projet est un framework dédié à l'inférence bayésienne, permettant de modéliser et analyser des données complexes. Il intègre des algorithmes d'optimisation comme CMA-ES et des méthodes d'inférence standard comme Metropolis-Hasting. Il est utilisé pour étudier des modèles épidémiologiques ou des processus hiérarchiques, notamment dans le domaine médical. Les exemples fournis illustrent son application pour la modélisation de systèmes biologiques et l'analyse de données incertaines.
9 initiatives
10