Projet open source visant à traduire et adapter en Python et SAS l'algorithme de la CNAM pour identifier les patients diabétiques dans le Système National des Données de Santé (SNDS). Il permet de cibler les personnes prises en charge pour un diabète en utilisant des critères médicaux et pharmaceutiques, et de générer des données synthétiques pour les années 2018-2019. L'objectif est de rendre accessible et compréhensible l'algorithme pour une utilisation par la communauté scientifique et médicale.

Ce projet permet d'identifier et d'estimer les paramètres physiques d'une charge utile (masse, centre de gravité, inertie) ainsi que les offsets des capteurs de force pour des systèmes robotiques. Il fournit des outils pour calibrer et optimiser les performances de robots industriels en analysant les données de capteurs et en générant des modèles dynamiques précis. Utilisé principalement dans le domaine de la robotique et de l'automatisation industrielle.

Cet algorithme public permet d'identifier les patients à risque vasculaire (diabète, hypertension) pour calculer des indicateurs de dépistage biologique de l'insuffisance rénale chronique (IRC). Il analyse les données du SNDS (DCIR) pour produire des statistiques sur les examens biologiques (créatinine, albuminurie) et les décliner par département, région, classe d'âge et sexe. Les résultats visent à améliorer la prise en charge des patients selon leur stade de MRC, en orientant vers des parcours de soins adaptés (primaires ou spécialisés).