Ce projet permet d'analyser et de visualiser les causes de décès à partir de données médicales. Il offre des fonctionnalités de recherche et de filtrage pour aider les professionnels de santé et les chercheurs à comprendre les tendances et les facteurs influençant la mortalité.

Ce projet utilise Spark et PySpark pour analyser des données géographiques et médicales afin de détecter les déserts médicaux en France. Il s'appuie sur des données de l'INSEE et produit des visualisations grâce à GeoJSON.

Ce projet analyse l'effet de l'offre de soins, mesurée par la densité de médecins, sur la consommation médicale, représentée par le nombre d'actes par affilié. Il se concentre sur les consultations chez les généralistes en 2013 et utilise des données provenant de trois sources : la population des affiliés, le nombre de médecins par département et le nombre d'actes par département.

Le projet DRS2AMR est un outil permettant de convertir des données de dossiers médicaux au format FHIR, d'automatiser le traitement de ces données et d'extraire des données structurées à partir de documents PDF médicaux. Il s'agit d'un dépôt de code source conçu pour faciliter le développement et l'intégration de fonctionnalités liées à la gestion et l'analyse de données médicales.

Le projet harvest-pubmed est un outil permettant de récupérer et d'analyser des données à partir de PubMed, une base de données de littérature scientifique médicale. Il permet aux utilisateurs de suivre les dernières tendances dans la recherche médicale et d'analyser les publications pour en extraire des informations utiles.

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 vise à effectuer un rapport descriptif sur la base de données openbio, qui fournit des informations sur les consommations et dépenses des actes de biologie médicale. Le rapport illustrera différents axes d'analyse, tels que les tendances temporelles, les prescripteurs et les catégories de la population, à l'aide de graphiques et de commentaires sur les résultats présentés.

SCALPEL3 est un framework open-source conçu pour extraire des concepts médicaux de manière évolutive, reproductible et facile à partir de grandes bases de données observationales (LODs), avec un focus actuel sur les données du Système National des Données de Santé (SNDS) français. Il est basé sur PySpark et est composé de trois modules : SCALPEL-Flattening pour la dénormalisation des données, SCALPEL-Extraction pour l'extraction de concepts médicaux et SCALPEL-Analysis pour l'analyse de données de cohortes.

Resonance Analysis est un projet qui vise à améliorer l'analyse de données de résonance magnétique pour la recherche médicale. Il utilise des techniques avancées d'apprentissage automatique pour détecter des patterns et interpréter automatiquement les données, ce qui permet de gagner du temps et d'améliorer la précision de l'analyse.

Ce projet a pour but de fournir une introduction aux biostatistiques dans le domaine de la santé. Il permet d'analyser des données médicales, de prendre des décisions cliniques éclairées et d'évaluer l'efficacité de traitements grâce à des outils statistiques adaptés.