478
Informatique médicale, e-Santé
à partir d’un grand ensemble de données, d’aider à la décision par l’utilisation
adaptée de méthodes plus ou moins complexes (relations, corrélations, associations, modèles, etc.). La fouille de données permet la découverte de connaissances et la structuration du savoir au-dessus de l’information ou des données
(« Knowledge Discovery in Database » ou KDD).
Que ce soit en amont ou en aval d’un traitement des données, éventuellement
par fouille, la conception de modes de restitution des données, informations,
ou connaissances bénéficie d’avancées technologiques que ce soit en bio-informatique (par exemple représentations graphiques 3D des protéines) ou en
santé publique (par exemple cartes de géolocalisation). Ces représentations
graphiques facilitent le traitement visuel de données intégrées par l’humain, le
partage entre les disciplines concernées, et au final l’aide à la décision.
Savoir analyser et représenter la qualité des données de santé intégrées
ou partagées
L’exploitation des données de santé issues de SI cliniques, n’ayant pas été
constitués initialement dans une perspective de recherche, pose des problèmes
spécifiques.
Dans le domaine de la santé publique, par exemple, si les données d’examens de
santé issues des Systèmes d’information de l’ATIH (PMSI), d’entrepôts de données
de santé hospitaliers ou encore du Système National d’Informations Inter-Régimes
de l’Assurance maladie (SNIIR-AM) fournissent des données quasiment exhaustives sur de nombreux aspects de la morbidité et à un niveau géographique fin,
elles concernent des populations et/ou des territoires particuliers ou de faibles
échantillons et contiennent en général peu d’informations socio-démographiques
sur les patients, interdisant notamment l’analyse des inégalités sociales. La qualité
du codage réalisé dans un objectif médico-économique peut être sujette à caution
lorsque les données sont réutilisées dans le cadre de la recherche.
D’une façon plus générale, l’exploitation des données de santé issues de SI
cliniques, nécessite des traitements souvent complexes permettant l’analyse
de la qualité des données et leur interprétation. Ces traitements complexes
s’appuient notamment sur l’utilisation de documents décrivant les sources
de données (thésaurus, limites d’utilisation et d’interprétation des données,
rapports sur la qualité du recueil et sur la validité des données) accessibles aux
équipes concernées par les traitements.
Chaîner des données de plusieurs sources
Les modalités techniques permettant de sécuriser toute utilisation de
données de santé, que ce soit à visée de coordination de soins ou de recherche,
doivent néanmoins rendre possible le chaînage des données. Autoriser l’appariement à l’échelle individuelle de sources différentes tout en gardant l’identité des patients confidentielle grâce aux techniques de dépersonnalisation et
ré-identification représente un enjeu de l’informatique translationnelle. Dans le
domaine de la santé publique, il est en effet important de permettre l’appariement de données d’enquête avec des sources médico-administratives.
Informatique médicale, e-Santé
à partir d’un grand ensemble de données, d’aider à la décision par l’utilisation
adaptée de méthodes plus ou moins complexes (relations, corrélations, associations, modèles, etc.). La fouille de données permet la découverte de connaissances et la structuration du savoir au-dessus de l’information ou des données
(« Knowledge Discovery in Database » ou KDD).
Que ce soit en amont ou en aval d’un traitement des données, éventuellement
par fouille, la conception de modes de restitution des données, informations,
ou connaissances bénéficie d’avancées technologiques que ce soit en bio-informatique (par exemple représentations graphiques 3D des protéines) ou en
santé publique (par exemple cartes de géolocalisation). Ces représentations
graphiques facilitent le traitement visuel de données intégrées par l’humain, le
partage entre les disciplines concernées, et au final l’aide à la décision.
Savoir analyser et représenter la qualité des données de santé intégrées
ou partagées
L’exploitation des données de santé issues de SI cliniques, n’ayant pas été
constitués initialement dans une perspective de recherche, pose des problèmes
spécifiques.
Dans le domaine de la santé publique, par exemple, si les données d’examens de
santé issues des Systèmes d’information de l’ATIH (PMSI), d’entrepôts de données
de santé hospitaliers ou encore du Système National d’Informations Inter-Régimes
de l’Assurance maladie (SNIIR-AM) fournissent des données quasiment exhaustives sur de nombreux aspects de la morbidité et à un niveau géographique fin,
elles concernent des populations et/ou des territoires particuliers ou de faibles
échantillons et contiennent en général peu d’informations socio-démographiques
sur les patients, interdisant notamment l’analyse des inégalités sociales. La qualité
du codage réalisé dans un objectif médico-économique peut être sujette à caution
lorsque les données sont réutilisées dans le cadre de la recherche.
D’une façon plus générale, l’exploitation des données de santé issues de SI
cliniques, nécessite des traitements souvent complexes permettant l’analyse
de la qualité des données et leur interprétation. Ces traitements complexes
s’appuient notamment sur l’utilisation de documents décrivant les sources
de données (thésaurus, limites d’utilisation et d’interprétation des données,
rapports sur la qualité du recueil et sur la validité des données) accessibles aux
équipes concernées par les traitements.
Chaîner des données de plusieurs sources
Les modalités techniques permettant de sécuriser toute utilisation de
données de santé, que ce soit à visée de coordination de soins ou de recherche,
doivent néanmoins rendre possible le chaînage des données. Autoriser l’appariement à l’échelle individuelle de sources différentes tout en gardant l’identité des patients confidentielle grâce aux techniques de dépersonnalisation et
ré-identification représente un enjeu de l’informatique translationnelle. Dans le
domaine de la santé publique, il est en effet important de permettre l’appariement de données d’enquête avec des sources médico-administratives.