Développement d'un algorithme de typage du diabète (type 1 vs type 2) à partir de données médicales et administratives. L'outil permet de distinguer les patients diabétiques en utilisant des régressions logistiques pénalisées LASSO sur des cohortes appariées entre dossiers médicaux électroniques et le SNDS. Il vise à améliorer la précision des diagnostics et à soutenir la recherche épidémiologique et économique sur le diabète en France.

Plateforme dédiée à l'analyse et à la visualisation des interactions entre virus et hôtes. Elle permet aux chercheurs et épidémiologistes de consulter, filtrer et analyser des données virologiques complexes. L'outil facilite la compréhension des dynamiques de transmission et des spectres d'hôtes, essentiel pour la recherche en santé publique et en virologie.

Plateforme permettant d'interroger et d'analyser des données médicales structurées au format FHIR. Elle permet de créer des cohortes de patients en fonction de critères cliniques complexes, de compter les patients répondant à ces critères, ou d'identifier les changements entre cohortes. Utilisée pour des études épidémiologiques, des recherches cliniques ou des analyses de santé publique.

Projet dédié à l'étude de la résilience des pathogènes, notamment des virus, en analysant leurs données génomiques et épidémiologiques. Il vise à modéliser les risques d'émergence et de propagation pour renforcer les stratégies de surveillance et de réponse sanitaire. Le projet s'appuie sur des collaborations entre instituts de recherche et utilise des outils bioinformatiques avancés pour traiter des jeux de données complexes.

Ce projet développe un modèle agent-based (EMULSION) pour simuler la transmission et la gestion de la brucellose bovine en France. Il permet d'évaluer l'efficacité des systèmes de surveillance et de contrôle dans un contexte indemne de maladie, en intégrant des données épidémiologiques et des scénarios de réintroduction. Les résultats soutiennent des décisions sanitaires et des recherches doctorales en épidémiologie.

Projet visant à valider et améliorer un algorithme d'identification des poussées de sclérose en plaques (SEP) à partir des données médico-administratives du Système National des Données de Santé (SNDS). Développé en collaboration avec des épidémiologistes, neurologues et plateformes de recherche, il permet de détecter et analyser les poussées de SEP via des critères combinant hospitalisations et délivrances de corticoïdes, afin d'optimiser les outils de suivi clinique et épidémiologique.

SCALPEL-Flattening est une bibliothèque open source conçue pour transformer et optimiser les données du Système National des Données de Santé (SNDS) en France. Elle permet de convertir des fichiers CSV en formats compressés comme Parquet, puis de les fusionner en tables unifiées pour faciliter l'extraction de concepts médicaux. Ce processus accélère l'analyse des données de santé tout en réduisant leur volume, rendant les bases de données plus accessibles et exploitables pour la recherche et les études épidémiologiques.

Ce projet vise à standardiser les données du Système National des Données de Santé (SNDS) au format OMOP-CDM, un modèle de données commun pour la recherche en santé. Il permet de transformer des extraits de données médicales (DCIR, PMSI, CépiDc) en une structure unifiée et interopérable, facilitant ainsi les analyses épidémiologiques et la recherche clinique. Deux versions sont disponibles, couvrant des périodes et des cohortes spécifiques.

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 initiative de recherche médicale menée dans la région de Madang en Papouasie-Nouvelle-Guinée. Il vise à analyser les données d'une cohorte suivie dans le cadre de l'ICEMR Asie-Pacifique. Les scripts R développés permettent de structurer, extraire et analyser les données collectées via des formulaires d'inclusion, de suivi et de morbidité. L'objectif est de transformer ces données en un format exploitable pour des études épidémiologiques, notamment dans le contexte de la pandémie de COVID-19.