Bibliothèque open source dédiée à l'analyse de données médicales issues de bases de santé comme le SNDS. Elle permet de manipuler, croiser et analyser des cohortes de patients à partir de données structurées (parquet). Utilisée pour des études épidémiologiques, le suivi de populations exposées à des traitements ou des maladies, et la génération de statistiques descriptives. Développée en partenariat avec l'École Polytechnique et la CNAM.

Epid Data Explorer IA (EDEIA) est une interface de navigation et d'analyse de données spatio-temporelles agrégées destinée à la recherche épidémiologique. Il se compose de deux parties communicantes : l'interface utilisateur qui affiche les données et le magasin de données qui fournit les données.

Ce projet développe des algorithmes pour cartographier les pathologies et les dépenses associées au sein du Système National des Données de Santé (SNDS). Il permet d'identifier des cohortes de patients atteints de maladies chroniques ou graves, de décrire leurs trajectoires de soins et de répartir les dépenses remboursées par l'Assurance Maladie. Les outils générés facilitent l'analyse épidémiologique et la planification sanitaire au niveau national et régional.

Ce projet vise à standardiser les données du Système National des Données de Santé (SNDS) au format OMOP-CDM, un modèle de données commun pour la recherche en santé. Il permet de transformer des extraits de données médicales (DCIR, PMSI, CépiDc) en une structure unifiée et interopérable, facilitant ainsi les analyses épidémiologiques et la recherche clinique. Deux versions sont disponibles, couvrant des périodes et des cohortes spécifiques.

Combicancer est un pipeline de traitement et de reformatage de données médicales issues du Système National des Données de Santé (SNDS) en France. Il transforme des données brutes complexes en tables structurées au format OMOP-like, facilitant leur exploitation pour des analyses statistiques et épidémiologiques, notamment sur le cancer. Le projet vise à garantir la qualité, la traçabilité et la reproductibilité des données, tout en optimisant leur accessibilité pour la recherche médicale et la santé publique.

Outil algorithmique conçu pour calculer le score de comorbidité d'Elixhauser à partir des données PMSI MCO du SNDS. Il identifie 31 catégories de comorbidités via des codes CIM-10, applique des pondérations spécifiques (brut, AHRQ, van Walraven) et génère des classes de risque (faible à très élevé). Destiné aux professionnels de santé et chercheurs, il facilite les analyses épidémiologiques, les études médico-économiques et les modèles prédictifs, notamment pour la mortalité hospitalière.

SCALPEL-Flattening est une bibliothèque open source conçue pour transformer et optimiser les données du Système National des Données de Santé (SNDS) en France. Elle permet de convertir des fichiers CSV en formats compressés comme Parquet, puis de les fusionner en tables unifiées pour faciliter l'extraction de concepts médicaux. Ce processus accélère l'analyse des données de santé tout en réduisant leur volume, rendant les bases de données plus accessibles et exploitables pour la recherche et les études épidémiologiques.

Plateforme open-source dédiée à l'analyse et à la visualisation de données de santé, ehden-bordeaux-atlas permet aux professionnels de santé, aux chercheurs et aux décideurs de réaliser des études épidémiologiques, d'effectuer une recherche clinique et de visualiser des données médicales. Construite sur les technologies OHDSI, elle offre des fonctionnalités avancées de gestion et d'analyse de données, ainsi qu'une interface utilisateur intuitive et personnalisable.

Ce projet est une initiative de recherche médicale menée dans la région de Madang en Papouasie-Nouvelle-Guinée. Il vise à analyser les données d'une cohorte suivie dans le cadre de l'ICEMR Asie-Pacifique. Les scripts R développés permettent de structurer, extraire et analyser les données collectées via des formulaires d'inclusion, de suivi et de morbidité. L'objectif est de transformer ces données en un format exploitable pour des études épidémiologiques, notamment dans le contexte de la pandémie de COVID-19.

Projet visant à valider et améliorer un algorithme d'identification des poussées de sclérose en plaques (SEP) à partir des données médico-administratives du Système National des Données de Santé (SNDS). Développé en collaboration avec des épidémiologistes, neurologues et plateformes de recherche, il permet de détecter et analyser les poussées de SEP via des critères combinant hospitalisations et délivrances de corticoïdes, afin d'optimiser les outils de suivi clinique et épidémiologique.