Entrepôt de données Santé (EDS) Recherche
|
|
- Emmanuel Martin
- il y a 8 ans
- Total affichages :
Transcription
1 Entrepôt de données Santé (EDS) Recherche Solution i2b2 Stéphane Bréant 1, Nicolas Paris 1,2,3, Nina Orlova 1, Astrid Lang 1, Alain Beauchet 2, Dr Christel Daniel 1,3 1 CCS SI Patient Assistance Publique Hôpitaux de Paris, Paris France, 2 URC Hôpital Ambroise Paré Assistance Publique Hôpitaux de Paris, Paris France, 3 INSERM, U1142, LIMICS, Sorbonne Universités Présentateurs: Stéphane Bréant Nicolas Paris
2 Sommaire Besoin fonctionnel Réponse technique Développement de solutions innovantes & évolutions Conclusion & perspectives CCS Patient 2
3 EDS Recherche - Gestion de projet & gouvernance Gestion de projet : CCS Patient Directrice de projet : Dr Christel Daniel Chef de projet : Stéphane Bréant Conception - Développement : Nina Orlova - Nicolas Paris Qualification - Support : Naeme Nekooguyan Support transverse : Responsable Sécurité : Astrid Lang Comité de pilotage DRCD, DSI, DAJ, DIM, CME Objectif : mise en place d une solution de support à la Recherche exploitant les données de soins études rétrospectives sur données études interventionnelles protocolisées Projet stratégique pour l AP-HP Axe 2 «Faire de l AP-HP un acteur des révolutions médicales et numériques, partenaire des universités» CCS Patient 3
4 EDS Recherche Périmètre fonctionnel 1/2 Focus a 4b Professionnels de santé investigateurs CCS Patient 4
5 EDS Recherche - Périmètre fonctionnel 2/2 Niveaux fonctionnels 1 - Etudes monocentriques (équipe de soins) Principales fonctions Déterminer par requête un nombre de patients éligibles et créer une liste de patients (cohorte) Analyser les caractéristiques des patients de la cohorte Exporter les données d intérêt des patients 2 - Etudes multicentriques (GH, AP-HP) 3 - Analyse de faisabilité (GH, AP- HP) Créer un projet, autorisé par le comité scientifique et éthique, selon le protocole de l étude Déterminer par requête un nombre de patients éligibles et créer une liste de patients (cohorte) Analyser les caractéristiques des patients de la cohorte Exporter les données d intérêt des patients Déterminer par requête un nombre et les principales caractéristiques (sexe, âge, etc) de patients éligibles 5
6 EDS Recherche Gains attendus Externalités : bénéfices pour les patients Participation à des études (accès à des thérapeutiques innovantes) Internalités : bénéfices pour les investigateurs AP-HP Support à l activité de recherche Etudes non interventionnelles de promotion institutionnelles (dont études d association pangénomiques, études de pharmacogénétique, etc) Amélioration de la qualité des données EDSR EDSR EDSR EDSR CCS Patient Augmentation du portefeuille d études institutionnelles MONO/MULTICENTRIQUE Augmentation des publications institutionnelles 6 MONO/MULTICENTRIQUE
7 EDS Recherche - Aspect réglementaire CNIL Déclaration normale réalisée pour niveau 1 - études monocentriques / équipe de soins Information au patient Cadrage du formalisme déclaratif en cours pour le reste du périmètre : demandes d autorisations Matrice d habilitations : politique d accès aux données Visibilité des données par les utilisateurs - Niveau de confidentialité Nombre d exécutions des requêtes Résultat de requêtes : nombre de patients exacts ou floutés Données nominatives visibles ou non en fonction des droits Traçabilité
8 Projet Système d Information Clinique (SIC) Problèmatique de Big Data Production de soins Imagerie Soins Soins Ex : bd ORBIS Catégorie de données 1 : Données démographiques, de prise en charge & PMSI 2 : Résultats de biologie 3 : Données du circuit du médicament 4 : Données des Formulaires (soins, médicaux) 5 : Données génétiques (structurées) 6 : Données ACP 7 : Echantillons (biobanques) 8 : Données non structurées 9 : Images, signaux 10 : Données de séquençage Biologie Autres 8
9 Sommaire Besoin fonctionnel Réponse technique Développement de solutions innovantes & évolutions Conclusion & perspectives CCS Patient 9
10 EDS Recherche - Besoins fonctionnel (Rappel) Mise à disposition d'un outil pour : exploiter les données de soins de l'ap-hp pour la recherche construire des cohortes de patients (critères d'éligibilité) restreindre l accès à des sous ensembles de données nécessaires aux études (monocentriques/équipes de soins ou multicentriques) 10
11 EDS Recherche - La solution i2b2 i2b2 = Informatics for Integrating Biology and the Bedside i2b2 = entrepôt de données médicales opensource, créé & maintenu par Harvard Medical School architecture 3-tiers, application / bases de données / webclient application java, web-service base de données Postgres, stockage & exploitation webclient php/javascript type "one page website" 11
12 EDS Recherche - Fonctionnalités d'i2b2 i2b2 satisfait-il entièrement aux besoins? Entièrement : construction de cohortes de patients en croisant des critères d'éligibilités l'exploitation des données structurées variées sécurisation des accès, gestion des utilisateurs... Partiellement : stockage des données dans i2b2 (insuffisant) notion de projets i2b2 (sous-ensemble des données) (insuffisant) export des données (insuffisant) connexion au LDAP AP-HP pour la connexion des utilisateurs (insuffisant) gestion des données non-structurées (insuffisant) analyses statistiques préliminaires (insuffisant) 12
13 EDS Recherche - Stockage des données dans i2b2 i2b2 : BDD 2 en 1 : stockage exploitation les + des champs dédiés au stockage : dates d'insertion, source de la donnée une structure adaptée aux données médicales (notion de patients, visites, fournisseurs de données...) les - absence de système d'historisation (organisation des services...) absence de système de transcodification (ex : mapping SNOMED-CT/CIM10) structure figée (quid de champs non prévus?) une seule table de faits avec des données mixtes (laboratoires, médicaments, PMSI ) des données qui subissent des transformations avant le stockage des index dédiés à l'exploitation qui ralentissent les modifications de données non optimal à maintenir (Ajout/Modification/Suppression) un seule table de référentiel (mixte) solution de stockage inadaptée aux besoins de stockage, mais adaptée à l'exploitation 13
14 EDS Recherche - Stockage des donnée dans i2b2 : solution création d'un entrepôt de données maison (EDS) structure simple structure évolutive conçu pour accueillir des sources hétérogènes (Identité Unique - IPP) système d'historisation [Données & Référentiels] chaine de standardisation [transcodification multi-sources: Femme, F] chargé de manière itérative (chaque mois) données pérennes dans EDS i2b2 en aval de EDS rafraichi (vidé + rechargé) Autres? 14
15 EDS Recherche - Le système de projets dans i2b2 Un projet = un sous-ensemble de données (mono/multicentrique, restriction aux patients diabétiques...) les + le système est capable d'accueillir des projets les - ajouter un projet ajouter physiquement les données (patients / visites / faits) problèmes de maintenance & performance (stockage & multiplication des index) (monocentrique : environ 800 services) 15
16 EDS Recherche - Le système de projet dans i2b2 : solution 1/2 adaptation de la structure de BDD i2b2 une seule version physique des données (les données de toute l'ap- HP) des projets comme des vues logiques (et non pas physiques) chaque projet est un sous-ensemble de l'intégralité des données (vues = filtre) 16
17 EDS Recherche - Le système de projet dans i2b2 : solution 2/2 avantages pas de stockage supplémentaire (données virtuelles) pas d'index supplémentaires (indexes partagés par tous les projets) très bonnes performances simplification des processus ETL sécurisé (accès & contenu) possibilité d'ajouter des milliers de projets, mono/multicentriques, sans coût supplémentaire de stockage / performance. 17
18 EDS Recherche - Export des données Le webclient i2b2 permet d'exporter les données de cohortes les + permet d'extraire les données des cohortes obtenues les - lent (échanges XML entre serveur applicatif / webclient) ne permet pas de sécuriser le contenu (informations identifiantes) 18
19 EDS Recherche - Export des données : solution sécurisation du contenu (matrice d'habilitations, profils d'utilisateurs) IPP/NDA dates de naissance comptes rendus données identifiantes... amélioration du contenu & du format de l'export perspectives: exports R, SAS... 19
20 EDS Recherche - Gestion des données nonstructurées La BDD i2b2 permet d'intégrer des données textuelles les + i2b2 permet de faire de la recherche "full-text" recherche avec des opérateurs logiques (rein AND dialyse) un module de NLP (version US) les - pas de module NLP pour la version française pas de solution de stockage nosql 20
21 EDS Recherche - Gestion des données nonstructurées : perspectives Module PICI présenté au groupe d'utilisateurs i2b2 juin 2015 module de distribution de requêtes : un nœud parent, des nœuds enfants données partagées entre les nœuds enfants requêtes adressées aux nœuds enfants détenant les données résultats centralisés au niveau du noeud parent nœuds enfants mixtes relationnel/nosql : insertion à la volée, dans la structure en étoile, depuis la base nosql de nouveaux arguments en faveur de la vélocité & variété dans i2b2 21
22 EDS Recherche - Pré-Analyse statistiques dans i2b2 Après construction d'une cohorte : "timeline" visualisation graphique d'évènements aux cours du temps histogrammes des données démographiques "break-down" : agrégation des cohortes (vivants/décédés ; hommes/femmes ) restitutions limitées 22
23 EDS Recherche - Pré-Analyse statistiques dans i2b2 : perspectives Le principe d'explorations statistiques préliminaires Laisser ce travail aux statisticiens? permet de confirmer / infirmer des hypothèses à la volée (test-t, survie, répartitions) moins lourd que de réaliser des analyses sur export (export data-management analyse) une fois les hypothèses confirmées exports des données & validations plus poussées par un statisticien 23
24 EDS Recherche - Pré-Analyse statistiques dans i2b2 : perspectives R : quelques mots langage de programmation de haut niveau pour les statistiques équivalent à SAS, SPSS, Stata, Mathematica... open-source largement utilisé (enseigné à la fac) 24
25 EDS Recherche - Pré-Analyse statistiques dans i2b2 : perspectives Intégration de R dans des applications WEB Pourquoi? apporte un volet statistique à l'application R le fait mieux / + simplement que les outils web (php, java, javascript...) le statisticien le fait mieux que le programmeur Comment? JRI, Rserve : code R intégré dans l'application OpenCPU : code R séparé de l'application ; communication par webservices (REST = standard) 25
26 EDS Recherche - Pré-Analyse statistiques dans i2b2 : perspectives Le choix OpenCPU séparation du code séparation des responsabilités maintenance, robustesse, rapidité à mettre en place pas besoin d'expert maitrisant plusieurs langages : coopération possible statisticien / programmeur en cas de panne pas d'impact sur le reste de l'application sécurité : exploite AppArmor : restriction en accès, mémoire, temps SSL livré avec une librairie javascript prête à l'emploi & complète open-source 26
27 EDS Recherche - Pré-Analyse statistiques dans i2b2 : perspectives Schéma 27
28 EDS Recherche - Pré-Analyse statistiques dans i2b2 : perspectives Maquette 28
29 EDS Recherche - Pré-Analyse statistiques dans i2b2 : perspectives Perspectives survie test-t exports performants (csv, Rdata, xlsx, spss, sas, stata,...) Des idées? (démographie, visites, faits) 29
30 EDS Recherche - Le projet en quelques chiffres i2b2 1M2 patients, 4M de visites, 50M faits (700k GHM, 1M2 CIM10, 4M passages, 37M laboratoires, 1M5 CCAM) BDD = 50GB disque dur périmètre de données démographie (Age, date de naissance/décès, statut vital, code postal de naissance, IPP) visite (Age à la visite, statut vital à la visite, GHM, dates de la visite, type de visite, durée, NDA) faits (résultats de laboratoire, PMSI (GHM, CIM10, CCAM), UF de passage) garantie de la fiabilité et la qualité des données restituées Axe de travail d amélioration continue (chaine de traitement et source) Stagiaire en MASTER 2 30
31 EDS Recherche Conclusion technique Retour d'expérience i2b2 comme solution d'exploitation/restitution EDS comme solution de stockage i2b2 optimisé pour exploiter les données & non pour les entreposer I2b2 : communauté dynamique (modifications prises en comptes) 3V du big-data i2b2 à ce jour couvre Volume & Vélocité la perspective du module PICI : nosql apporte la Variété Intégration à des plateformes de recherche système d intéropérabilité sémantique 31
32 Sommaire Besoin fonctionnel Réponse technique Développement de solutions innovantes & évolutions Conclusion & perspectives CCS Patient 32
33 Conclusion & Perspectives EDS Recherche, un outil permettant l exploitation des données de soins, en support aux activités de Recherche pour les investigateurs AP-HP En cours de déploiement Site pilote en production fin mai autres groupes hospitaliers lancés en juin 2015 Anticiper Big Data au delà des données AP-HP : Données d esposition réseau sociaux, etc.. Intéropérabilité des solutions d aides décisionnelles et de support à la recherche au sein et au-delà de l AP-HP (InteropRecherche) Contraintes réglementaires en constante évolution Pérenniser la confiance des patients et des professionnels de santé 33
34 EDS Recherche - références Merci de votre attention [1] Declerck G, Hussain S, Daniel C, Yuksel M, Laleci GB, Twagirumukiza M, Jaulent MC. Bridging data models and terminologies to support adverse drug event reporting using EHR data. Methods Inf Med. 2015;54(1): [2] De Moor G, Sundgren M, Kalra D, Schmidt A, Dugas M, Claerhout B, Karakoyun T, Ohmann C, Lastic PY, Ammour N, Kush R, Dupont D, Cuggia M, Daniel C, Thienpont G, Coorevits P. Using electronic health records for clinical research: the case of the EHR4CR project. J Biomed Inform Feb;53: [3] Daniel C, Choquet R. Information technology for clinical, translational and comparative effectiveness research. Findings from the section clinical research informatics. Yearb Med Inform Aug 15;9(1): [4] Daniel C, Sinaci AA, Ouagne D, Sadou E, Declerck G, Kalra D, Forsberg K, Mead C, Bain L, Hussain S, Erturkmen GBL,. Standard-based EHR-enabled applications for clinical research and patient safety: CDISC IHE QRPH EHR4CR & SALUS collaboration. AMIA Jt Summits Transl Sci Proc [5] Doods J, Bache R, McGilchrist M, Daniel C, Dugas M, Fritz F; Work Package 7. Piloting the EHR4CR feasibility platform across Europe. Methods Inf Med.2014;53(4): [6] Coorevits P, Sundgren M, Klein GO, Bahr A, Claerhout B, Daniel C, Dugas M, Dupont D, Schmidt A, Singleton P, De Moor G, Kalra D. Electronic health records: new opportunities for clinical research. J Intern Med Dec;274(6): [7] Vandenbussche P-Y, Cormont S, André C, Daniel C, Delahousse J, Charlet J, et al. Implementation and management of a biomedical observation dictionary in a large healthcare information system. J Am Med Inform Assoc. oct 2013;20(5): [8] Daniel C, Erturkmen GBL, Sinaci AA, Delaney BC, Curcin V, Bain L. Standard-based integration profiles for clinical research and patient safety. AMIA Jt Summits Transl Sci Proc. 2013;2013: [9] Daniel C, Choquet R, Section Editors for the IMIA Yearbook Section on Clinical Research Informatics. Information technology for clinical, translational and comparative effectiveness research. Findings from the section clinical research 34 informatics. Yearb Med Inform. 2013;8(1): CCS Patient
Informatique Médicale & Ingénierie des Connaissances Pour la e-santé
Li ics Laboratoire d Informatique Médicaleet d Ingénierie des Connaissances en e-santé Projet de création d une UMR Inserm Université Pierre et Marie Curie, Université Paris Nord Informatique Médicale
Plus en détailIntégration des données de prescription dans un entrepôt de données biomédicales Integration of prescription data in a clinical data warehouse
Intégration des données de prescription dans un entrepôt de données biomédicales Integration of prescription data in a clinical data warehouse Kevin Dalleau1 Denis Delamarre1,2 Thibault Ledieu1,2 Marc
Plus en détailBases de données pour la recherche : quels enjeux et quel rôle pour les patients?
Bases de données pour la recherche : quels enjeux et quel rôle pour les patients? Paul Landais Université Montpellier 1 Responsable de la Banque Nationale de Données Maladies Rares (BNDMR) Co-coordonnateur
Plus en détailPilot4IT Tableaux de Bord Agréger et consolider l ensemble de vos indicateurs dans un même portail.
Pilot4IT Tableaux de Bord Agréger et consolider l ensemble de vos indicateurs dans un même portail. Comment exploiter au mieux l ensemble de vos indicateurs? Avec la solution agile Pilot4IT Tableau de
Plus en détailLe "tout fichier" Le besoin de centraliser les traitements des fichiers. Maitriser les bases de données. Historique
Introduction à l informatique : Information automatisée Le premier ordinateur Définition disque dure, mémoire, carte mémoire, carte mère etc Architecture d un ordinateur Les constructeurs leader du marché
Plus en détailTitre : La BI vue par l intégrateur Orange
Titre : La BI vue par l intégrateur Orange Résumé : L entité Orange IT&L@bs, partenaire privilégié des entreprises et des collectivités dans la conception et l implémentation de SI Décisionnels innovants,
Plus en détailUn serveur d'archivage
Un serveur d'archivage destiné au Service Commun de Documentation de l'université de la Méditerranée Encadrement : Noël Novelli Représentants client (S.C.D.) : Axelle Clarisse Ronan Lagadic Equipe Projet
Plus en détailBusiness Intelligence avec SQL Server 2014 Maîtrisez les concepts et réalisez un système décisionnel
Avant-propos 1. À qui s'adresse ce livre? 9 2. Les pré-requis 10 3. Les objectifs du livre 11 Introduction 1. Présentation du décisionnel 13 1.1 La notion de décideur 14 1.2 Les facteurs d'amélioration
Plus en détailLa présentation qui suit respecte la charte graphique de l entreprise GMF
La présentation qui suit respecte la charte graphique de l entreprise GMF Approche du Groupe GMF Besoins d archivage de la messagerie d entreprise Introduction Présentation du Groupe GMF Secteur : assurance
Plus en détailSQL Server 2012 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services...)
Avant-propos 1. À qui s'adresse ce livre? 15 2. Pré-requis 15 3. Objectifs du livre 16 4. Notations 17 Introduction à la Business Intelligence 1. Du transactionnel au décisionnel 19 2. Business Intelligence
Plus en détailAMUE : PRISME - Référentiel des données partagées. 3 décembre 2009
AMUE : PRISME - Référentiel des données partagées 3 décembre 2009 1 Architecture cible 2 Fonctionnalités 3 Illustration 4 Technologie Sommaire 2 1 Architecture Sommaire 3 Architecture Vue d ensemble d
Plus en détailMaster Informatique et Systèmes. Architecture des Systèmes d Information. 02 Architecture Applicative
Master Informatique et Systèmes Architecture des Systèmes d Information 02 Architecture Applicative Damien Ploix 2014-2015 Plan du chapitre 1 1.1 1.2 2 2.1 2.2 Architecture Applicative Modélisation des
Plus en détailBusiness Intelligence avec SQL Server 2012 Maîtrisez les concepts et réalisez un système décisionnel
Avant-propos 1. À qui s'adresse ce livre? 9 2. Les pré-requis 10 3. Les objectifs du livre 10 Introduction 1. Présentation du décisionnel 15 1.1 La notion de décideur 15 1.2 Les facteurs d'amélioration
Plus en détailAppel à Projets. Constitution de bases clinicobiologiques multicentriques à visée nationale en cancérologie. Action 3.1 et 23.2
Appel à Projets Constitution de bases clinicobiologiques multicentriques à visée nationale en cancérologie Action 3.1 et 23.2 Soumission en ligne: http://www.e-cancer.fr/aap/bcb11 Date limite de candidature
Plus en détailBusiness Intelligence avec SQL Server 2012
Editions ENI Business Intelligence avec SQL Server 2012 Maîtrisez les concepts et réalisez un système décisionnel Collection Solutions Informatiques Table des matières Les éléments à télécharger sont disponibles
Plus en détailWHITE PAPER Une revue de solution par Talend & Infosense
WHITE PAPER Une revue de solution par Talend & Infosense Master Data Management pour les données de référence dans le domaine de la santé Table des matières CAS D ETUDE : COLLABORATION SOCIALE ET ADMINISTRATION
Plus en détailNos Solutions PME VIPDev sont les Atouts Business de votre entreprise.
Solutions PME VIPDev Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise. Cette offre est basée sur la mise à disposition de l ensemble de nos compétences techniques et créatives au service
Plus en détailInteropérabilité des SI de santé : Standards internationaux, Profils IHE, Référentiels de l ASIP Santé
Interopérabilité des SI de santé : Standards internationaux, Profils IHE, Référentiels de l ASIP Santé HOPITECH 2011 jeudi 13 octobre 2011 Session Technique Biomédicale François Macary - ASIP Santé Interopérabilité?
Plus en détailL ÉCHANGE DE DONNÉES TEMPS RÉEL
Talented Together L ÉCHANGE DE DONNÉES TEMPS RÉEL Retours d expériences avec Talend Julien DULOUT Manager Sopra Consulting Expert des offres BI, MDM & BigData Ludovic MONNIER Architecte Sopra Expert EAI
Plus en détailPROSOP : un système de gestion de bases de données prosopographiques
PROSOP : un système de gestion de bases de données prosopographiques Introduction : Ce document présente l outil en développement PROSOP qui permet la gestion d'une base de donnée prosopographique de la
Plus en détailPrésentation du cadre technique de mise en œuvre d un Service d Archivage Electronique
Présentation du cadre technique de mise en œuvre d un Service d Archivage Electronique Isabelle GIBAUD Consultante au Syndicat Interhospitalier de Bretagne Co-chair vendor IHE-FRANCE Sommaire 1 Périmètre
Plus en détailSQL SERVER 2008, BUSINESS INTELLIGENCE
SGBD / Aide à la décision SQL SERVER 2008, BUSINESS INTELLIGENCE Réf: QLI Durée : 5 jours (7 heures) OBJECTIFS DE LA FORMATION Cette formation vous apprendra à concevoir et à déployer une solution de Business
Plus en détailIci, le titre de la. Tableaux de bords de conférence
Ici, le titre de la Tableaux de bords de conférence pilotage d entreprise, indicateurs de performance reporting et BI quels outils seront incontournables à l horizon 2010? Les intervenants Editeur/Intégrateur
Plus en détailFournir un accès rapide à nos données : agréger au préalable nos données permet de faire nos requêtes beaucoup plus rapidement
Introduction Phases du projet Les principales phases du projet sont les suivantes : La mise à disposition des sources Des fichiers Excel sont utilisés pour récolter nos informations L extraction des données
Plus en détailPourquoi intégrer le Big Data à son organisa3on?
Pourquoi intégrer le Big Data à son organisa3on? Yvan Robert, VP Affaires Stratégiques Emmanuel Faug, Resp. pra>que BI Colloque 2014 Big Data Agenda Qui sommes nous? L importance de l information Méthodes
Plus en détailPoint d actualité DMP et Messageries Sécurisées de Santé
Point d actualité DMP et Messageries Sécurisées de Santé Assemblée Générale GCS Télésanté Basse Normandie 26 mars 2014 Anne Bertaud Pole Territoire Dossier Médical Personnel 2 DMP : quelques chiffres (février
Plus en détailCliniPACS : distribution sécurisée d'images DICOM en réseau local hospitalier
CliniPACS : distribution sécurisée d'images DICOM en réseau local hospitalier P. PUECH, JF. LAHAYE, JC. FANTONI [2], L. LEMAITRE CHRU de Lille [1] Plateau commun d Imagerie médicale - Hôpital Claude Huriez
Plus en détailCahier des Charges AMOA - Cartographie des solutions SI Sophie de Visme
Cahier des Charges AMOA - Cartographie des solutions SI Sophie de Visme Date de création : 11/02/2010 Statut : Validé Date de révision : 22/02/2010 Critère de diffusion : Public Version : 1.1 1 Introduction...
Plus en détailCatalogue Formation «Vanilla»
Catalogue Formation «Vanilla» Date : octobre 2009 Table des matières Liste des Formations...2 Contenu des formations...3 Vanilla FastTrack...3 Vanilla Architecture...5 Enterprise Services...6 BIPortail...7
Plus en détailWebinar EBG Nouvelles perspectives d'exploitation des données clients avec le big data
Webinar EBG Nouvelles perspectives d'exploitation des données clients avec le big data Approches & opportunités face aux enjeux de volume, variété et vélocité France, 2012-2014 28 mars 2013 Ce document
Plus en détailDataEXchanger. Echangez en toute simplicité. Atelier Dex Etat des lieux Dex X. Présentation DEX X
Atelier Dex Etat des lieux Dex X Lamine Ndiaye Consultant Sénior Arnaud François Responsable Support Nicolas Marin Responsable Activité DataEXchanger Echangez en toute simplicité mardi 19 juin 2012 Présentation
Plus en détailFORMATION SUPPORT MOAR. Mardi 26 juin 2012
FORMATION SUPPORT MOAR Mardi 26 juin 2012 1. Présentation du Pôle Relation avec les Usagers 2. Présentation du support DMP 3. Présentation du support CPS 4. Présentation du module CRM 2 Présentation du
Plus en détailInternet Information Services (versions 7 et 7.5) Installation, configuration et maintenance du serveur Web de Microsoft
Introduction à IIS 1. Objectifs de ce livre 13 2. Implémentation d un serveur web 14 2.1 Les bases du web 14 2.2 Les protocoles web 16 2.3 Le fonctionnement d un serveur web 21 2.4 Les applications web
Plus en détailDépartement Génie Informatique
Département Génie Informatique BD51 : Business Intelligence & Data Warehouse Projet Rédacteur : Christian FISCHER Automne 2011 Sujet : Développer un système décisionnel pour la gestion des ventes par magasin
Plus en détailFédération des collèges de médecine d urgence Marseille Novembre 2008. 24/10/2008 ROR-IF Dr F. Dolveck
Fédération des collèges de médecine d urgence Marseille Novembre 2008 Dr F. Dolveck 1 Premiers éléments de réflexion Des expériences localisés non concertés (92-91) : Mauvaise connaissance de l offre de
Plus en détailMéthode de Test. Pour WIKIROUTE. Rapport concernant les méthodes de tests à mettre en place pour assurer la fiabilité de notre projet annuel.
Méthode de Test Pour WIKIROUTE Rapport concernant les méthodes de tests à mettre en place pour assurer la fiabilité de notre projet annuel. [Tapez le nom de l'auteur] 10/06/2009 Sommaire I. Introduction...
Plus en détailEstelle Marcault 06/02/2015 URC PARIS NORD 1
Estelle Marcault 06/02/2015 URC PARIS NORD 1 Définition du Monitoring Garantie que la conduite de l essai clinique, les enregistrements et les rapports sont réalisés conformément : Au protocole Aux Procédures
Plus en détailTP2_1 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3
TP2_1 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3 03/11/2014 Plan du TP 2 Présentation de la suite Microsoft BI Ateliers sur SSIS (2H) Ateliers sur RS (2H) 3 Présentation de la suite Microsoft BI Présentation
Plus en détailLa Révolution Numérique Au Service De l'hôpital de demain. 18-19 JUIN 2013 Strasbourg, FRANCE
La Révolution Numérique Au Service De l'hôpital de demain 18-19 JUIN 2013 Strasbourg, FRANCE Le développement de la e-santé : un cadre juridique et fonctionnel qui s adapte au partage Jeanne BOSSI Secrétaire
Plus en détailCATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE. Edition 2012
CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE Edition 2012 AGENDA Qui sommes nous? Présentation de Keyrus Keyrus : Expert en formations BI Nos propositions de formation 3 modes de formations Liste des
Plus en détailLes Entrepôts de Données
Les Entrepôts de Données Grégory Bonnet Abdel-Illah Mouaddib GREYC Dépt Dépt informatique :: GREYC Dépt Dépt informatique :: Cours Cours SIR SIR Systèmes d information décisionnels Nouvelles générations
Plus en détailUnité de Recherche Clinique St Louis - Lariboisière Fernand Widal Le 03 Février 2012
Visite de pré-sélection Visite de Mise en place Murielle COURREGES-VIAUD, ARC Laurence GUERY, ARC responsable Assurance Qualité Véronique JOUIS, Coordinatrice des ARCs Responsable Logistique Unité de Recherche
Plus en détailAuditabilité des SI Retour sur l expérience du CH Compiègne-Noyon
Auditabilité des SI Retour sur l expérience du CH Compiègne-Noyon 8 avril 2015 DGOS Rodrigue ALEXANDER 1 Le CH Compiègne-Noyon Territoire de santé Oise-Est (Picardie) issu d une fusion au 1/01/2013 1195litsetplaces(MCO,SSR,HAD,USLD,EHPAD)
Plus en détailBUSINESS INTELLIGENCE. Une vision cockpit : utilité et apport pour l'entreprise
BUSINESS INTELLIGENCE Une vision cockpit : utilité et apport pour l'entreprise 1 Présentation PIERRE-YVES BONVIN, SOLVAXIS BERNARD BOIL, RESP. SI, GROUPE OROLUX 2 AGENDA Définitions Positionnement de la
Plus en détailTP2 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3
TP2 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3 30/11/2011 Plan du TP 2 Rappel sur la chaine de BI Présentation de la suite Microsoft BI Ateliers sur SSIS (2H) Ateliers sur RS (2H) 3 Rappel sur la chaine de
Plus en détailSécurité des entrepôts de données dans le Cloud Un SaaS pour le cryptage des données issues d un ETL
Sécurité des entrepôts de données dans le Cloud Un SaaS pour le cryptage des données issues d un ETL Présenté par Hana Gara Kort Sous la direction de Dr Jalel Akaichi Maître de conférences 1 1.Introduction
Plus en détailELABORATION DU PLAN DE MONITORING ADAPTE POUR UNE RECHERCHE BIOMEDICALE A PROMOTION INSTITUTIONNELLE
Référence HCL : Titre de l étude : ELABORATION DU PLAN DE MONITORING ADAPTE POUR UNE RECHERCHE BIOMEDICALE A PROMOTION INSTITUTIONNELLE Investigateur Coordonnateur : Méthode. Définition du niveau de risque
Plus en détailEvolution de la législation sur la recherche
Evolution de la législation sur la recherche Pr Francois Lemaire SRLF 07-10-11 DRCD de l AP-HP, Saint-Louis La PPL Jardé Loi HPST : novembre 07 - septembre 08 (rapporteur pressenti: O Jardé) PPl Jardé
Plus en détailL Edition Pilotée XL
L Edition Pilotée XL Piloter son activité, une nécessité Processus décisionnel: «Exploiter les données de l entreprise dans le but de faciliter la prise de décision» Etre informé en permanence sur l état
Plus en détailLa Geo-Business Intelligence selon GALIGEO avec 26/10/2005 1
La Geo-Business Intelligence selon GALIGEO avec ESRI 2005 session «Décisionnel» 26/10/2005 1 La Business Intelligence : Une Définition La Business intelligence permet l utilisation des données opérationnelles
Plus en détailHOPITECH 2011 - BORDEAUX. L'informatisation de la fonction restauration pour une meilleure gestion
L'informatisation de la fonction restauration pour une meilleure gestion PEDRON Denis Référent Restauration Département de la Politique Logistique Secretariat Général PLAN de L INTERVENTION Historique
Plus en détail«Gestion de la pharmacie et organisation du circuit du médicament»
«Gestion de la pharmacie et organisation du circuit du médicament» Prestations proposées par M. (Réactualisation 2010) Á moduler selon vos besoins 1 Contexte/Enjeux/Objectifs : La sécurisation du circuit
Plus en détailArchitecture N-Tier. Ces données peuvent être saisies interactivement via l interface ou lues depuis un disque. Application
Architecture Multi-Tier Traditionnellement une application informatique est un programme exécutable sur une machine qui représente la logique de traitement des données manipulées par l application. Ces
Plus en détailHADOOP ET SON ÉCOSYSTÈME
HADOOP ET SON ÉCOSYSTÈME Mars 2013 2012 Affini-Tech - Diffusion restreinte 1 AFFINI-TECH Méthodes projets Outils de reporting & Data-visualisation Business & Analyses BigData Modélisation Hadoop Technos
Plus en détailValoriser vos bases de connaissances avec AMI Help Desk. AMI Enterprise Discovery version 3.9
Valoriser vos bases de connaissances avec AMI Help Desk AMI Enterprise Discovery version 3.9 Février 2005 Sommaire 1 Objectifs d AMI Help Desk...3 2 Principes de fonctionnement...3 2.1 Mode de travail
Plus en détailIFCE : Industrialisation et professionnalisation du SI
Conférence JBoss 30 mars 2011 IFCE : Industrialisation et professionnalisation du SI Comment l'open Source accompagne la refonte du SIRE (Système d'information Relatif aux Équidés) Daniel TAYSSE DSI 1
Plus en détailIndexmed : Le big data en écologie? Pas encore disent certains. Pas si sûr! Avec IndexMed. Relevons ce challenge!
Indexmed : Le big data en écologie? Pas encore disent certains Pas si sûr! Avec IndexMed Relevons ce challenge! Origine du consortium L état des lieux (source : séminaire Allenvie, séminaire Indexmed1)
Plus en détaile need L un des premiers intégrateurs opérateurs Cloud Computing indépendants en France
e need L un des premiers intégrateurs opérateurs Cloud Computing indépendants en France Sommaire Cloud Computing Retours sur quelques notions Quelques chiffres Offre e need e need Services e need Store
Plus en détailUE 8 Systèmes d information de gestion Le programme
UE 8 Systèmes d information de gestion Le programme Légende : Modifications de l arrêté du 8 mars 2010 Suppressions de l arrêté du 8 mars 2010 Partie inchangée par rapport au programme antérieur Indications
Plus en détail4. Utilisation d un SGBD : le langage SQL. 5. Normalisation
Base de données S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Présentation du module Contenu général Notion de bases de données Fondements / Conception Utilisation :
Plus en détailLa recherche clinique au cœur du progrès thérapeutique
2 èmes Assises de l Innovation Thérapeutique Paris, 05-11-2014 La recherche clinique au cœur du progrès thérapeutique Pr. Jean-François DHAINAUT Président du Groupement Inter-régional de la Recherche Clinique
Plus en détailFilière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.
Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.fr Plan Motivations Débouchés Formation UVs spécifiques UVs connexes Enseignants
Plus en détailDrive your success. «Un écosystème complexe implique une capacité de gestion temps réel des aléas» www.imagina-international.com
Drive your success «Un écosystème complexe implique une capacité de gestion temps réel des aléas» www.imagina-international.com ATEN, dix avantages au service de votre entreprise Qualité de mise en œuvre
Plus en détailCQP Développeur Nouvelles Technologies (DNT)
ORGANISME REFERENCE STAGE : 26572 20 rue de l Arcade 75 008 PARIS CONTACT Couverture géographique : M. Frédéric DIOLEZ Bordeaux, Rouen, Lyon, Toulouse, Marseille Tél. : 09 88 66 17 40 Nantes, Lille, Strasbourg,
Plus en détailConservation des données à long terme
Rencontres ACADM 26 juin 2014 Conservation des données à long terme Sandrine DANIEL, data manager Sandrine VINAULT, data manager Isabelle FOURNEL, médecin épidémiologiste CIC 1432 Module Epidémiologie
Plus en détailArchivage intermédiaire de données Scientifiques ISAAC Information Scientifique Archivée Au Cines
Archivage intermédiaire de données Scientifiques ISAAC Information Scientifique Archivée Au Cines Constat Enquête auprès des laboratoires de recherche Besoin d information sur les enjeux de l'archivage
Plus en détailGestion collaborative de documents
Gestion collaborative de documents ANT box, le logiciel qui simplifie votre GED Les organisations (entreprises, collectivités, associations...) génèrent chaque jour des millions de documents, e-mails,
Plus en détailGestion des bases de données
Gestion des bases de données DU Chef de Projet en Recherche Clinique 23/11/2012 Fabrice GOURMELON URC/CIC Necker - Cochin 2 A. Qu est-ce qu une donnée? B. Qu est-ce qu une base de données? C. Définition
Plus en détailPanorama des solutions analytiques existantes
Arnaud LAROCHE Julien DAMON Panorama des solutions analytiques existantes SFdS Méthodes et Logiciels - 16 janvier 2014 - Données Massives Ne sont ici considérés que les solutions autour de l environnement
Plus en détailLa dernière base de données de Teradata franchit le cap du big data grâce à sa technologie avancée
Communiqué de presse Charles-Yves Baudet Twitter: Les clients de Teradata Teradata Corporation peuvent dan.conway@teradata.com tirer parti de plusieurs + 33 1 64 86 76 14 + 33 (0) 1 55 21 01 48/49 systèmes,
Plus en détailRésumé CONCEPTEUR, INTEGRATEUR, OPERATEUR DE SYSTEMES CRITIQUES
Aristote ----- Cloud Interopérabilité Retour d'expérience L A F O R C E D E L I N N O V A T I O N Résumé Les systèmes d'information logistique (SIL) sont des outils qui amènent des gains de productivité
Plus en détailOUVERTURE ET MISE EN PLACE
OUVERTURE ET MISE EN PLACE Estelle Marcault 20/01/2012 URC PARIS NORD 1 Ouverture et mise en place Trois types de visites/ réunions peuvent avoir lieu : Visite de sélection Réunion investigateur Visite
Plus en détailet les Systèmes Multidimensionnels
Le Data Warehouse et les Systèmes Multidimensionnels 1 1. Définition d un Datawarehouse (DW) Le Datawarehouse est une collection de données orientées sujet, intégrées, non volatiles et historisées, organisées
Plus en détailProcédure normalisée de fonctionnement du RCBT Demande d informations additionnelles. 2.1.003 Version
Numéro de PNF: Remplace: Objet: Procédure normalisée de fonctionnement du RCBT Demande d informations additionnelles 2.1.003 Version Demande d informations additionnelles Date d entrée en vigueur Catégorie
Plus en détailExamen de la saisine Définition de l'architecture du SINP. Contributeurs : Frédéric Gosselin, Pascal Dupont
Examen de la saisine Définition de l'architecture du SINP Contributeurs : Frédéric Gosselin, Pascal Dupont Questions posées Question principale : Les résultats du groupe de travail «GT Architecture» apportent-ils
Plus en détailStage : Développement du contenu Web
Stage : Développement du contenu Web SIAL Études - EQS 09/09/12 Inga Burdujan Master 2éme année Informatique Déroulement de la présentation Présentation de Natixis SIAL Le service Équipes Spécialisées
Plus en détailLiège, le 29 juillet 2013. APPEL INTERNE et EXTERNE AUX CANDIDATURES N 2013-085
Centre Hospitalier Universitaire de Liège Domaine Universitaire du Sart Tilman B35 4000 LIEGE 1 www.chuliege.be Département de Gestion des Ressources Humaines Service Recrutement Liège, le 29 juillet 2013
Plus en détailCréer et partager des fichiers
Créer et partager des fichiers Le rôle Services de fichiers... 246 Les autorisations de fichiers NTFS... 255 Recherche de comptes d utilisateurs et d ordinateurs dans Active Directory... 262 Délégation
Plus en détailEntreprises Solutions
ERP Entreprises Solutions Choisir un progiciel de gestion intégrée Questions de technologie? 1 Dans le choix d une solution de gestion intégrée de type PGI/ERP, les aspects fonctionnels sont clés. L entreprise
Plus en détailGroupe Eyrolles, 2004 ISBN : 2-212-11504-0
Groupe Eyrolles, 2004 ISBN : 2-212-11504-0 Table des matières Avant-propos................................................ 1 Quel est l objectif de cet ouvrage?............................. 4 La structure
Plus en détailLes attentes du marché
www.pwc.com Les attentes du marché Octobre 2012 L état des lieux à propos des formats de reporting et de l appropriation par le marché du XBRL La taxonomie XBRL pour les reportings Solvabilité 2 a fait
Plus en détailDEMARREZ RAPIDEMENT VOTRE EVALUATION
Pentaho Webinar 30 pour 30 DEMARREZ RAPIDEMENT VOTRE EVALUATION Resources & Conseils Sébastien Cognet Ingénieur avant-vente 1 Vous venez de télécharger une plateforme moderne d intégration et d analyses
Plus en détailPentaho : Comparatif fonctionnel entre la version Communautaire (gratuite) et la version Entreprise (payante) Table des matières
Pentaho : Comparatif fonctionnel entre la version Communautaire (gratuite) et la version Entreprise (payante) Table des matières 1 2 3 4 PRÉSENTATION DE PENTAHO...2 LISTING DES COMPOSANTS DE LA PLATE-FORME...4
Plus en détailRéférentiels d Interopérabilité
INFORMATION HOSPITALIERE STANDARDISEE Formation Maîtrise d Ouvrage Hospitalière Informatisation du circuit du médicament & des dispositifs médicaux Référentiels d Interopérabilité 7 ème édition : 14 janvier
Plus en détailBig Data: développement, rôle des ARS?? Laurent Tréluyer, ARS Ile de France Alain Livartowski Institut Curie Paris 01/12/2014
Big Data: développement, rôle des ARS?? Laurent Tréluyer, ARS Ile de France Alain Livartowski Institut Curie Paris 01/12/2014 1 Classiquement, le Big Data se définit autour des 3 V : Volume, Variété et
Plus en détailL Expertise du Coffre-fort Bancaire au Service du Dossier Patient
L Expertise du Coffre-fort Bancaire au Service du Dossier Patient du Secret Bancaire au Secret Médical GS Days 18 mars 2014 Secteur des Soins à Luxembourg Habitants 525.000 Résidents 44% = 170 nationalités
Plus en détailEntrepôt de données 1. Introduction
Entrepôt de données 1 (data warehouse) Introduction 1 Présentation Le concept d entrepôt de données a été formalisé pour la première fois en 1990 par Bill Inmon. Il s agissait de constituer une base de
Plus en détailBI = Business Intelligence Master Data-ScienceCours 3 - Data
BI = Business Intelligence Master Data-Science Cours 3 - Datawarehouse UPMC 8 février 2015 Rappel L Informatique Décisionnelle (ID), en anglais Business Intelligence (BI), est l informatique à l usage
Plus en détailMYXTRACTION. 2009 La Business Intelligence en temps réel
MYXTRACTION 2009 La Business Intelligence en temps réel Administration Qui sommes nous? Administration et management des profils Connecteurs Base des données Gestion des variables et catégories de variables
Plus en détailHôpital performant et soins de qualité. La rencontre des extrêmes estelle
Hôpital performant et soins de qualité. La rencontre des extrêmes estelle possible? 18 octobre 2012 Professeur Philippe KOLH CIO, Directeur du Service des Informations Médico-Economiques CHU de LIEGE Plan
Plus en détailMICROSOFT DYNAMICS CRM & O Val
MICROSOFT DYNAMICS CRM & O Val O Val Operational Value JSI Groupe 2, rue Troyon 92310 Sèvres 1 AGENDA 1. QUI SOMMES-NOUS? 2. NOS OFFRES 3. UNE ORGANISATION COMMERCIALE DÉDIÉE À NOS CLIENTS 4. O VAL : OPERATIONAL
Plus en détailMONITORING / SUIVI DES PATIENTS
Formation Recherche Clinique OncoBasseNormandie 02/12/2013 MONITORING / SUIVI DES PATIENTS Jean-Michel GRELLARD ARC Coordinateur - Centre François Baclesse Quelques définitions Cahier d observation ou
Plus en détailComment exploiter la standardisation de l'informatique pour en faciliter la gestion.
Comment exploiter la standardisation de l'informatique pour en faciliter la gestion. Un partage d expérience. Didier Goies Directeur Informatique CNDG 1. POURQUOI? Agenda Décision de normaliser les échanges
Plus en détailPôle Référentiels Métier (Master Data Management)
Pôle Référentiels Métier (Master Data Management) KHIPLUS et le MDM Khiplus et le MDM : une longue histoire Émergence de solutions de MDM génériques Ralliement de Khiplus au MAG (MDM Alliance Group) Intervention
Plus en détailIMI : Avantages et Inconvénients L exemple du projet COMBACTE
IMI : Avantages et Inconvénients L exemple du projet COMBACTE Bruno FRANÇOIS, CHU de Limoges IMI2, Demi-journée nationale d information 9 Septembre 2014, Paris Le projet COMBACTE Avantages du modèle IMI
Plus en détail1/15. Jean Bernard CRAMPES Daniel VIELLE
1/15 Jean Bernard CRAMPES Daniel VIELLE CaseOnCloud est un SaaS de gestion de projets de développement logiciel CaseOC est : Multi démarches : MACAO MACAO Agile SCRUM Suivi d'aucune démarche particulière
Plus en détailLes Data Sciences pour la santé: Qui, Quoi, Comment?
Les Data Sciences pour la santé: Qui, Quoi, Comment? Pascal Staccini IRIS Department - School of Medicine of Nice Nice-Sophia Antipolis University UMR 912 - SESSTIM - INSERM et pour quoi faire? Les données
Plus en détailTechnologies du Web. Créer et héberger un site Web. Pierre Senellart. Page 1 / 26 Licence de droits d usage
Technologies du Web Créer et héberger un site Web Page 1 / 26 Plan Planification Choisir une solution d hébergement Administration Développement du site Page 2 / 26 Cahier des charges Objectifs du site
Plus en détail«Adaptation de la mise en œuvre des bonnes pratiques cliniques en fonction des caractéristiques de certaines recherches»
Synthèse de la table ronde 2- Giens XXI -octobre 2005 «Adaptation de la mise en œuvre des bonnes pratiques cliniques en fonction des caractéristiques de certaines recherches» Pierre-Henri.Bertoye, Soizic.Courcier-Duplantier,
Plus en détail