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.

Ce projet automatise l'extraction et la structuration des informations médicales contenues dans les Résumés des Caractéristiques du Produit (RCP) des médicaments. Il permet de transformer des fichiers HTML en données exploitables pour des analyses statistiques, des rapports ou des intégrations dans des pipelines de données. L'objectif est de faciliter l'accès et l'exploitation des données réglementaires des médicaments pour les professionnels de santé ou les organismes publics.

Fed-BioMed est une plateforme open source dédiée à la recherche biomédicale utilisant des approches décentralisées pour l'analyse statistique et l'apprentissage automatique. Elle permet aux chercheurs de collaborer sur des données sensibles sans les centraliser, en appliquant des techniques de machine learning fédéré. Le projet s'appuie sur des outils comme PyTorch et Scikit-learn pour développer et déployer des analyses fédérées dans des applications médicales réelles, tout en préservant la confidentialité des données.

Package logiciel dédié à l'analyse de corrélations entre jeux de données scientifiques. Il permet aux chercheurs et ingénieurs de traiter des données brutes, d'identifier des relations statistiques et de générer des rapports automatisés. Utilisé principalement dans les domaines de la recherche environnementale, médicale ou industrielle pour faciliter la prise de décision basée sur des données.

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.

Ce projet est une API dédiée à la gestion et au traitement de données médicales, notamment pour des centres d'imagerie. Il permet de stocker et d'analyser des fichiers médicaux, de gérer des utilisateurs avec des droits d'accès sécurisés, et de fournir des statistiques sur les données collectées. L'API facilite également l'upload de fichiers et l'interconnexion avec des systèmes externes pour des analyses avancées.

Modèle de microsimulation conçu pour évaluer l'impact des politiques publiques sur l'autonomie des personnes à domicile. Il permet d'analyser les dépenses de santé, les besoins en soins et l'organisation des services médicaux et sociaux. Basé sur des données anonymisées et des algorithmes statistiques, il aide les décideurs à anticiper les évolutions démographiques et à adapter les ressources disponibles.

Ce projet est un framework dédié à l'inférence bayésienne, permettant de modéliser des phénomènes complexes et d'analyser des données incertaines. Il facilite l'application de méthodes statistiques avancées comme le Metropolis-Hasting ou l'optimisation CMA-ES. Utilisé notamment en recherche médicale, il aide à déterminer des doses thérapeutiques optimales et à comprendre des dynamiques épidémiologiques.

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.

Ce projet est une requête-type écrite en SAS/SQL pour analyser et sélectionner des prestations médicales, notamment des remboursements de médicaments, dans le DCIR (Datamart de Consommation Inter-Régimes). Il permet d'extraire des données précises sur les actes médicaux codés, en utilisant des filtres recommandés par la Cnam et des tables de référence. Destiné aux équipes de santé publique, il facilite la production de statistiques et d'études sur les consommations de soins.