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 génère les illustrations et tableaux statistiques pour l'étude n°1152 de la DREES sur les bénéficiaires de l'allocation personnalisée d'autonomie (APA) à domicile en 2017. Il traite des données anonymisées en open data ou issues du CASD pour produire des analyses comparatives entre la France métropolitaine et la France entière, destinées à éclairer les politiques publiques en matière de dépendance.

"Le projet sdc\_experiments a pour but d'expérimenter différentes méthodes de Statistical Disclosure Control (SDC) pour protéger la confidentialité des données lors de l'analyse statistique. Il permet de générer des statistiques anonymisées en appliquant des techniques de protection des données sensibles."

Ce projet permet de traiter et analyser les données des plans d'Allocation Personnalisée d'Autonomie (APA) à domicile pour produire des statistiques et des illustrations destinées à une étude publique. Il contribue à évaluer l'inclusion d'aides techniques dans ces plans, en s'appuyant sur des remontées individuelles anonymisées. Les résultats sont publiés par la DREES, service statistique des ministères sanitaires et sociaux.

Ce projet de recherche vise à étudier les comportements liés à l'usage potentiellement addictif de la cybersexualité chez les adultes à l'échelle internationale. Il repose sur la collecte de données anonymisées auprès de populations variées, leur analyse statistique et la production de publications scientifiques destinées à la communauté académique. Les résultats pourraient éclairer les professionnels de santé et les décideurs sur les enjeux de santé publique associés à ces pratiques.

Ce projet automatise la mise à jour quotidienne d'une base de données dédiée aux statistiques publiques de SignalConso. Il extrait les données pertinentes de la base de production, les anonymise pour garantir la confidentialité, puis les restructure dans une base simplifiée. Cette base alimente ensuite Metabase pour générer des tableaux de bord accessibles au public via le site officiel. Le processus est déclenchable manuellement via une API sécurisée.

Ce projet produit les illustrations et tableaux statistiques pour l'étude n°1153 de la DREES sur l'Allocation personnalisée d'autonomie (APA). Il traite des données anonymisées et issues du CASD pour générer des résultats visuels et analytiques, contribuant à la compréhension des usages de l'APA en 2017. Les résultats sont publiés dans le cadre des travaux de la DREES, service statistique des ministères sanitaires et sociaux.

Ce projet produit les illustrations et tableaux statistiques pour l'Étude et résultats n°1153 de la DREES, analysant l'utilisation de l'Allocation personnalisée d'autonomie (APA) en 2017. Il traite des données anonymisées et issues du CASD pour générer des résultats visuels et des références, contribuant à la recherche sur le grand âge et l'autonomie.

Ce projet permet d'analyser et de traiter des jeux de données pour en extraire des statistiques pertinentes. Il facilite la compréhension des tendances et des patterns au sein des données, offrant ainsi des insights utiles pour la prise de décision. Les résultats peuvent être visualisés sous forme de graphiques ou de rapports.

Ce projet fournit une méthode et des outils pour anonymiser les données à caractère personnel, en introduisant l'utilisateur aux enjeux juridiques, scientifiques et techniques de l'anonymisation, et en proposant une méthode de k-anonymisation testée et robuste.