Informatique biomédicale et recherche en santé – Informatique translationnelle
477
18.4.2 Représentation, stockage et traitement des données à des fins de
recherche en santé
Représenter et mettre à disposition les données de santé au sein d’Entrepôts de Données
Cliniques (EDC)
Il existe plusieurs approches possibles d’intégration de données. On distingue
notamment les approches orientée « médiation » et orientée « entrepôt de
données ».
La mise en œuvre d’entrepôt de données cliniques répond au besoin d’exploitation, au-delà du contexte de la coordination des soins, de données de santé
collectées au sein de SIH ou de systèmes d’information de réseaux de santé de
complexité croissante (cf. chapitre 12). De plus en plus d’entrepôts de données
f f
cliniques sont développés au sein d’établissements de santé ou d’organisations
ayant des missions de recherche, d’épidémiologie ou de santé publique. On
peut définir un entrepôt de données comme étant une collection de données
structurées, alimentée par les bases de données opérationnelles de systèmes
d’information clinique, et orientée vers la fouille de données ainsi que l’aide à
la décision. Les entrepôts de données cliniques sont les composants clés d’une
infrastructure d’informatique translationnelle.
Les bases de données opérationnelles au sein des établissements de santé sont
bâties et efficaces pour traiter de façon transactionnelle des données individuelles mais inadaptées à des requêtes transversales permettant d’agréger des
données (comme par exemple le nombre de patients âgés de plus de 45 ans,
diabétiques ayant une hémoglobine glycosylée supérieure à 6 %). La mise en
place d’entrepôts de données cliniques alimentés par les bases de données
opérationnelles permet de faciliter l’exécution de requêtes transversales
agrégées et la fouille de données. Ces données doivent être prêtes à l’emploi
(complètes, de qualité), accessibles (délais d’attente, navigation), clairement
définies (cohérentes), détaillées plutôt que transformées, modifiables sans
perturbations (continuité et cohérence de l’accès). Réaliser un entrepôt est une
démarche préliminaire, hautement souhaitable (bien que parfois non réalisée),
à l’utilisation de la fouille de données (data mining). Cette réalisation, qui est
longue et méthodique, nécessite un parrainage solide des décideurs, la motivation des personnels des différents métiers, une collaboration forte et durable
entre les services spécialisés information/informatique et les services opérationnels, un intérêt fort de la part des services opérationnels pour la valeur de
l’information et son analyse, des données accessibles, de qualité et des règles
métier définies.
Mettre en œuvre des techniques de traitement, de fouille et de restitution
des données de santé
La fouille de données (data mining, creusage de données, analyse intelligente des données) a été définie en 2001 par le Massachusetts Institute of
Technology, comme étant l’une des dix technologies émergentes qui « changeront le monde » au XXI e siècle. Il s’agit d’un processus non élémentaire capable,
477
18.4.2 Représentation, stockage et traitement des données à des fins de
recherche en santé
Représenter et mettre à disposition les données de santé au sein d’Entrepôts de Données
Cliniques (EDC)
Il existe plusieurs approches possibles d’intégration de données. On distingue
notamment les approches orientée « médiation » et orientée « entrepôt de
données ».
La mise en œuvre d’entrepôt de données cliniques répond au besoin d’exploitation, au-delà du contexte de la coordination des soins, de données de santé
collectées au sein de SIH ou de systèmes d’information de réseaux de santé de
complexité croissante (cf. chapitre 12). De plus en plus d’entrepôts de données
f f
cliniques sont développés au sein d’établissements de santé ou d’organisations
ayant des missions de recherche, d’épidémiologie ou de santé publique. On
peut définir un entrepôt de données comme étant une collection de données
structurées, alimentée par les bases de données opérationnelles de systèmes
d’information clinique, et orientée vers la fouille de données ainsi que l’aide à
la décision. Les entrepôts de données cliniques sont les composants clés d’une
infrastructure d’informatique translationnelle.
Les bases de données opérationnelles au sein des établissements de santé sont
bâties et efficaces pour traiter de façon transactionnelle des données individuelles mais inadaptées à des requêtes transversales permettant d’agréger des
données (comme par exemple le nombre de patients âgés de plus de 45 ans,
diabétiques ayant une hémoglobine glycosylée supérieure à 6 %). La mise en
place d’entrepôts de données cliniques alimentés par les bases de données
opérationnelles permet de faciliter l’exécution de requêtes transversales
agrégées et la fouille de données. Ces données doivent être prêtes à l’emploi
(complètes, de qualité), accessibles (délais d’attente, navigation), clairement
définies (cohérentes), détaillées plutôt que transformées, modifiables sans
perturbations (continuité et cohérence de l’accès). Réaliser un entrepôt est une
démarche préliminaire, hautement souhaitable (bien que parfois non réalisée),
à l’utilisation de la fouille de données (data mining). Cette réalisation, qui est
longue et méthodique, nécessite un parrainage solide des décideurs, la motivation des personnels des différents métiers, une collaboration forte et durable
entre les services spécialisés information/informatique et les services opérationnels, un intérêt fort de la part des services opérationnels pour la valeur de
l’information et son analyse, des données accessibles, de qualité et des règles
métier définies.
Mettre en œuvre des techniques de traitement, de fouille et de restitution
des données de santé
La fouille de données (data mining, creusage de données, analyse intelligente des données) a été définie en 2001 par le Massachusetts Institute of
Technology, comme étant l’une des dix technologies émergentes qui « changeront le monde » au XXI e siècle. Il s’agit d’un processus non élémentaire capable,