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.

ParcoursURGE est un outil dédié à l'analyse visuelle des parcours de soins des patients dans les services d'urgence des hôpitaux AP-HP. Il permet aux professionnels de santé de visualiser et d'analyser les trajectoires de soins, d'identifier les goulots d'étranglement et d'optimiser la prise en charge des patients. L'outil s'appuie sur des données médicales anonymisées pour fournir des insights actionnables et améliorer l'efficacité des soins.

Ce projet génère des données synthétiques du Système National des Données de Santé (SNDS) pour permettre aux développeurs, chercheurs et institutions de tester des applications sans exposer de données réelles. Les données sont créées à partir de schémas officiels et de nomenclatures validées, offrant une représentation réaliste mais anonymisée des structures de données de santé. Ces données sont distribuées sous licence ouverte pour favoriser l'innovation et la conformité réglementaire dans le domaine médical.

ParcoursVis est un outil dédié à l'analyse visuelle de séquences d'événements médicaux temporels, développé en collaboration avec la Caisse Nationale d'Assurance Maladie (CNAM). Il permet aux professionnels de santé et chercheurs d'explorer, comparer et visualiser des parcours de soins anonymisés à grande échelle, facilitant ainsi l'identification de tendances, de corrélations ou d'anomalies dans les traitements administrés aux patients.

Projet de recherche mené par le médialab de Sciences Po visant à analyser les interactions entre les sociétés humaines et les environnements littoraux à partir de contenus publics issus des réseaux sociaux. Le pipeline transforme des données brutes hétérogènes (posts, métadonnées, localisations) en corpus structurés, anonymisés et exploitables pour la recherche et des restitutions scientifiques. Les analyses portent sur des sites d'étude spécifiques et des objets thématiques comme les sports nautiques ou les espèces invasives.

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.

Ce projet permet de télécharger, de vérifier et d'anonymiser des données médicales. Il s'agit d'un outil essentiel pour les professionnels de santé et les chercheurs qui ont besoin d'accéder à des données médicales dans le cadre de leur travail.

Ce projet organise la collecte et l'anonymisation de données, en particulier des images médicales, à l'aide de divers outils tels que NumPy, Pandas, et Matplotlib. Il permet une gestion efficace et sécurisée des données médicales.