Ce projet produit des études et résultats statistiques sur les médecins généralistes en France, notamment leur participation aux CPTS et l'emploi d'assistantes médicales. Il s'appuie sur des données collectées via des panels d'observation et des enquêtes régionales. Les résultats sont publiés sous forme de rapports officiels par la DREES, service statistique des ministères sanitaires et sociaux.

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.

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.

Ce projet produit l'indicateur d'Accesibilité Potentielle Localisée (APL), un outil statistique développé par la DREES pour évaluer l'accès aux soins de premier recours en France. L'APL mesure l'adéquation entre l'offre médicale (médecins, infirmiers, kinésithérapeutes, etc.) et la demande des populations, en tenant compte des temps de trajet et des spécificités locales. Les résultats sont utilisés par les pouvoirs publics pour identifier les déserts médicaux et orienter les politiques de santé territoriale.

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.

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 propose des ressources et outils pour la formation en biostatistiques, visant à soutenir les chercheurs, étudiants et professionnels de la santé dans l'analyse de données biologiques et médicales. Il facilite l'apprentissage des méthodes statistiques appliquées à la recherche biomédicale et encourage la collaboration entre équipes scientifiques.

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.

Ce projet consiste en une analyse de données médicales visant à étudier les risques de comorbidité entre différentes pathologies. Il permet de nettoyer et de formater les données, de réaliser des analyses statistiques et de visualiser les résultats sous forme de graphiques et de tableaux. Un modèle de prédiction de risques de comorbidité est également proposé.