La e-Santé
457
17.5.3 Méthodes et perspectives de l’analyse de ces entrepôts
L’enjeu dans le secteur de la santé est similaire aux autres secteurs (banque,
assurance, grande distribution) : exploiter les millions d’enregistrements disponibles dans les entrepôts de données, pour en extraire les connaissances afin
d’en tirer un « avantage lié à la connaissance du marché », qu’on appelle également « business intelligence ».
Les objectifs de l’analyse des entrepôts de données
L’analyse de ces entrepôts de données de grande dimension peut se faire
à des fins variées :
– pour un patient donné, suivre l’évolution des paramètres et
permettre une analyse médicale plus complète ;
– dans une population, calculer l’incidence et la prévalence
d’événements morbides ;
– dans une population, identifier les motifs complexes et temporels
aboutissant ou prédisposant à la survenue d’un événement
délétère ;
– pour un patient donné, alerter les soignants lorsque les conditions
sont réunies pour qu’un événement délétère se produise avec une
probabilité suffisamment élevée, en s’appuyant sur les résultats
obtenus au point précédent.
L’identification de motifs permettant de prédire la survenue d’un événement
morbide s’appuie sur des méthodes de data mining, ou
g g
knowledge discovery in
databases ou encore fouille de données. Le data mining combine des techniques
g
issues des statistiques, de l’intelligence artificielle, et du data management
pour extraire des connaissances, jusqu’alors inconnues, des bases de données
de grande dimension. De telles méthodes sont utilisées dans des projets de
recherche pour générer de nouvelles connaissances. 2
2. http://www.psip-project.eu
Les projets européens PSIP et AKENATON
Le projet européen PSIP (Patient Safety through Intelligent Procedures
in medication) 2 analyse des séjours hospitaliers pour identifier les
effets indésirables liés aux médicaments, et les circonstances qui sont
responsables de leur apparition. La connaissance ainsi produite permet
de prévenir les événements indésirables lorsque ces circonstances sont
réunies au moment de la prescription d’un nouveau médicament (aide
à la décision).
457
17.5.3 Méthodes et perspectives de l’analyse de ces entrepôts
L’enjeu dans le secteur de la santé est similaire aux autres secteurs (banque,
assurance, grande distribution) : exploiter les millions d’enregistrements disponibles dans les entrepôts de données, pour en extraire les connaissances afin
d’en tirer un « avantage lié à la connaissance du marché », qu’on appelle également « business intelligence ».
Les objectifs de l’analyse des entrepôts de données
L’analyse de ces entrepôts de données de grande dimension peut se faire
à des fins variées :
– pour un patient donné, suivre l’évolution des paramètres et
permettre une analyse médicale plus complète ;
– dans une population, calculer l’incidence et la prévalence
d’événements morbides ;
– dans une population, identifier les motifs complexes et temporels
aboutissant ou prédisposant à la survenue d’un événement
délétère ;
– pour un patient donné, alerter les soignants lorsque les conditions
sont réunies pour qu’un événement délétère se produise avec une
probabilité suffisamment élevée, en s’appuyant sur les résultats
obtenus au point précédent.
L’identification de motifs permettant de prédire la survenue d’un événement
morbide s’appuie sur des méthodes de data mining, ou
g g
knowledge discovery in
databases ou encore fouille de données. Le data mining combine des techniques
g
issues des statistiques, de l’intelligence artificielle, et du data management
pour extraire des connaissances, jusqu’alors inconnues, des bases de données
de grande dimension. De telles méthodes sont utilisées dans des projets de
recherche pour générer de nouvelles connaissances. 2
2. http://www.psip-project.eu
Les projets européens PSIP et AKENATON
Le projet européen PSIP (Patient Safety through Intelligent Procedures
in medication) 2 analyse des séjours hospitaliers pour identifier les
effets indésirables liés aux médicaments, et les circonstances qui sont
responsables de leur apparition. La connaissance ainsi produite permet
de prévenir les événements indésirables lorsque ces circonstances sont
réunies au moment de la prescription d’un nouveau médicament (aide
à la décision).