RENCONTRES DU 25 au 27 JUIN 2014 DIJON. L intérêt du Analysis Data Model (ADaM) pour le Data Management CENTRE DE TRAITEMENT DES DONNÉES
|
|
- Armand Beaudin
- il y a 8 ans
- Total affichages :
Transcription
1 RENCONTRES DU 25 au 27 JUIN 2014 DIJON Centre Georges François Leclerc L intérêt du Analysis Data Model (ADaM) pour le Data Management Valentin Harter CENTRE DE TRAITEMENT DES DONNÉES DU CANCÉROPÔLE NORD-OUEST CENTRE FRANÇOIS BACLESSE - Caen 27 juin 2014
2 CDISC Europe Interchange
3 «We cannot have transparency without standards» Dr. Frank Rockhold (ex CDISC board) «[Wouldn t it be amazing if all of the clinical trial process could be standardized? In the meantime, let s do as much as we can ]» Monica Kowohl (formatrice ADaM) «La construction des tables ADaM reflète la façon de procéder d un biostatisticien bien structuré» Valentin Harter (simple data manager, juin 2014) 3
4 Sommaire 1. Encore un autre standard 2. La place de l analyse statistique dans une recherche biomédicale 3. Aperçu de ADaM 3.1. Les 4 préceptes fondamentaux 3.2. Les règles de base 3.3. «Flagging» des données 4. La table Analysis Data Subject Level (ADSL) 4.1. Quelles données? 4.2. Exemples 5. Les tables Basic Data Structure (BDS) 4.1. Quelles tables? Quelles données? 4.2. Exemples 4
5 Sommaire 1. Encore un autre standard 2. La place de l analyse statistique dans une recherche biomédicale 3. Aperçu de ADaM 3.1. Les 4 préceptes fondamentaux 3.2. Les règles de base 3.3. «Flagging» des données 4. La table Analysis Data Subject Level (ADSL) 4.1. Quelles données? 4.2. Exemples 5. Les tables Basic Data Structure (BDS) 4.1. Quelles tables? Quelles données? 4.2. Exemples 5
6 1. Encore un autre standard 6
7 1. Encore un autre standard 7
8 1. Encore un autre standard Les modèles utilisés par les relecteurs FDA Study Data Tabulation Model (SDTM) Les données collectées durant l étude, organisées par domaines (thèmes) Les metadata de ces données Analysis Data Model (ADaM) Les données calculées pour l analyse statistique et les rapports du promoteur Les observations utilisées pour l analyse statistique ou la traçabilité Les metadata de toutes ces données et des résultats Soumis à la FDA en complément du SDTM 8
9 1. Encore un autre standard SDTM et ADaM pour les relecteurs FDA 2 importantes sources d informations à propos de la recherche biomédicale Complémentaires (et évoluant maintenant en parallèle???) Utilisés à la fois par les relecteurs cliniques et statistiques 9
10 1. Encore un autre standard SDTM et ADaM pour les data managers académiques Quitte a avoir un standard interne, autant prendre ceux là! Les tables SDTM ne sont pas faites pour l analyse ADaM permet de tracer l ensemble du processus de l export des données jusqu à la productions des résultats Prévoir un gros travail pédagogique pour convertir les statisticiens 10
11 1. Encore un autre standard SDTM = base de données - Les données recueillies - Une table par thème Le produit fini du data manager filtres/flagging checks calculs formatages modélisations stat Data manager vs statisticien, qui fait quoi? En théorie, le data manager ne fait rien!!! ADaM = réponse au PAS - Les données prêtes pour nourrir SAS, R, etc - Les tables de résultats - ~ une table par analyse 11
12 Sommaire 1. Encore un autre standard 2. La place de l analyse statistique dans une recherche biomédicale 3. Aperçu de ADaM 3.1. Les 4 préceptes fondamentaux 3.2. Les règles de base 3.3. «Flagging» des données 4. La table Analysis Data Subject Level (ADSL) 4.1. Quelles données? 4.2. Exemples 5. Les tables Basic Data Structure (BDS) 4.1. Quelles tables? Quelles données? 4.2. Exemples 12
13 2. La place de l analyse statistique Protocole CRF Plan d analyse stat SDTM Autres données sources pour ADaM Flux d informations Flux de données Etape de création des tables d analyse Tables d analyse Documentation Metadata des tables d analyse Etape de production des résultats stat Résultats de l analyse Documentation Metadata des résultats 13
14 2. La place de l analyse statistique La création des tables d analyse Construit avec le plan d analyse stat en tête Observations ou données dérivées d observations Plusieurs tables SDTM peuvent être utilisées pour une même table d analyse La documentation peut inclure : Des programmes, des pseudo-codes ou des petits bouts de code Des références au protocole ou au plan d analyse stat Des guides de données 14
15 2. La place de l analyse statistique La production des résultats de l analyse Les tables d analyse sont utilisées pour produire des sorties statistiques : Tables, graphiques, p-values, annexes statistiques, etc La documentation peut inclure : Des programmes, des pseudo-codes ou des bouts de code Des références au plan d analyse statistique Des références aux annexes de reporting 15
16 Sommaire 1. Encore un autre standard 2. La place de l analyse statistique dans une recherche biomédicale 3. Aperçu de ADaM 3.1. Les 4 préceptes fondamentaux 3.2. Les règles de base 3.3. «Flagging» des données 4. La table Analysis Data Subject Level (ADSL) 4.1. Quelles données? 4.2. Exemples 5. Les tables Basic Data Structure (BDS) 4.1. Quelles tables? Quelles données? 4.2. Exemples 16
17 3.1 Les 4 préceptes fondamentaux 1 - La traçabilité La principale raison de ce standard : décrire clairement toute la démarche statistique (les interprétations, les hypothèses, les transformations, les modèles appliqués ) Une sorte d audit trail pour statisticien 2 - La possibilité de ré-analyse 17
18 3.1 Les 4 préceptes fondamentaux 3 - Le détail des metadata Le plus fastidieux à produire en ADaM, le guide d implémentation étant beaucoup plus ouvert que SDTM 4 - L application aux outils stats standards (R, SAS, ) 18
19 3.2 Les règles de base Les tables d analyse contiennent au minimum une table nommée ADSL (Analysis Data Subject Level) Le nommage des autres tables : ADxxxxxxx (e.g. ADAE, ADQS, ADTTE) choix libre Les variables SDTM doivent conserver tous leurs attributs : Nom, description, format, contenu 19
20 3.2 Les règles de base La table ADSL Une ligne par sujet Contient les informations centrales du sujet : réglementaire, démographie, traitements, date de décès Les autres tables d analyse : BDS (Basic Data Structure) Une ligne par sujet, par paramètre, par temps d analyse Construites avec le plan d analyse stat en tête Toutes les données utiles à l analyse d un paramètre doivent être reportées dans sa table BDS (classiquement par jointure de la table ADSL sur la table BDS) 20
21 3.2 Les règles de base Les noms de variables 21
22 3.2 Les règles de base Les dates et imputations d éléments manquants Elément manquant Format de la variable SDTM *DTC (string) Format des variables ADaM Date *DT (num) # imputé Flag date *DTF (string) Aucun YYYY-MM-DD YYYY-MM-DD Vide Jour YYYY-MM YYYY-MM-## D Mois YYYY YYYY-##-(##) M Année ####-(##)-(##) Y 22
23 3.3 «Flagging» des données Des variables booléennes pour identifier rapidement des sousgroupes de population Exemple d une table ADSL : 23
24 3.3 «Flagging» des données Des variables booléennes pour identifier rapidement des sousgroupes d observations Exemple d une table BDS, ADVS : 24
25 Sommaire 1. Encore un autre standard 2. La place de l analyse statistique dans une recherche biomédicale 3. Aperçu de ADaM 3.1. Les 4 préceptes fondamentaux 3.2. Les règles de base 3.3. «Flagging» des données 4. La table Analysis Data Subject Level (ADSL) 4.1. Quelles données? 4.2. Exemples 5. Les tables Basic Data Structure (BDS) 4.1. Quelles tables? Quelles données? 4.2. Exemples 25
26 4. La table Analysis Data Subject Level Le pourquoi de la table ADSL Support Des données règlementaires Des données démographiques Des caractéristiques de référence Source De variables requises dans d autres tables d analyse (e.g. les données des traitements) N a pas vocation à être l unique source de toutes les données «subject level» e.g. une table BDS ADTTE d analyse de données de survie 26
27 4. La table Analysis Data Subject Level Exemple de table ADSL : cas simple d un essai comparatif 27
28 4. La table Analysis Data Subject Level Exemple de table ADSL : cas d un essai en triple cross-over 28
29 Sommaire 1. Encore un autre standard 2. La place de l analyse statistique dans une recherche biomédicale 3. Aperçu de ADaM 3.1. Les 4 préceptes fondamentaux 3.2. Les règles de base 3.3. «Flagging» des données 4. La table Analysis Data Subject Level (ADSL) 4.1. Quelles données? 4.2. Exemples 5. Les tables Basic Data Structure (BDS) 4.1. Quelles tables? Quelles données? 4.2. Exemples 29
30 4. Les tables Basic Data Structure Le pourquoi des tables BDS Nomenclature suffisamment ouverte (ADaM-IG) pour permettre d appliquer la majorité des méthodes d analyse Des exemples d analyse ANOVA ANCOVA Régression logistique Tests de Cochran-Mantel-Haenzel Test non paramétrique de Wilcoxon Time-to-event analysis (Cox, Accelerated failure time model ) 30
31 4. Les tables Basic Data Structure DSL ADLB 31
32 4. Les tables Basic Data Structure e.g. ADVS Exemple de calculs à partir d une valeur de référence 32
33 4. Les tables Basic Data Structure e.g. ADVS Exemple de détermination d une valeur de référence 33
34 En résumé ADaM est clairement en aval du travail du data manager mais La table ADSL peut (relativement) facilement être construite en sortie d un CDMS Des éléments de la nomenclature ADSL peuvent être repris comme standard : alternative à plusieurs domaines SDTM Certaines tables BDS sont proches des tables SDTM (e.g. ADAE, ADVS ) La documentation est simple : 2 modèles de tables (plus de 40 en SDTM) Le «flagging», les données calculées et les tables de résultats doivent être laissées au biostatisticien 34
35 Merci pour votre attention Des questions? 35
La Gestion des Données Cliniques
La Gestion des Données Cliniques Khaled Mostaguir, Ph.D, khaled.mostaguir@hcuge.ch Centre de Recherche Clinique HUG http://crc.hug-ge.ch/ La gestion des données clinique Le gestion des données au sein
Plus en détailPr. Pierre FUMOLEAU Directeur Général du Centre de Lutte Contre le Cancer Georges-François Leclerc (CGFL)
C Ouverture INTRODUCTION RENCONTRES DES 25 et 26 JUIN 2014 Accueil des Participants Pr. Pierre FUMOLEAU Directeur Général du Centre de Lutte Contre le Cancer Georges-François Leclerc (CGFL) 25 juin 9h30
Plus en détailLes systèmes CDMS. et les logiciels EDC
Les systèmes CDMS et les logiciels EDC Khaled Mostaguir, Ph.D, khaled.mostaguir@hcuge.ch Centre de Recherche Clinique HUG http://crc.hug-ge.ch/ Les systèmes CDMS et les logiciels EDC Les systèmes CDMS
Plus en détailFormation CTOM «Printemps 2013»
Formation CTOM «Printemps 2013» Formation intensive avec mise en œuvre opérationnelle 105 heures de formation en centre Formation professionnelle qualifiante au métier de Clinical Trials Operations Manager
Plus en détailQuestions d Entretiens en Finance de Marché Retour 2011/2012
Questions d Entretiens en Finance de Marché Retour 2011/2012 Université Lille 1 - Master 2 Mathématiques et Finance Mathématiques du Risque Contact : alexis.fauth@invivoo.com http://samm.univ-paris1.fr/-alexis-fauth-
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
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 détailsecutrial Gestion des données d'études cliniques Les Colloques de l'uic Novembre 2012 Khaled Mostaguir, Ph.D, khaled.mostaguir@hcuge.
secutrial Gestion des données d'études cliniques Les Colloques de l'uic Novembre 2012 Khaled Mostaguir, Ph.D, khaled.mostaguir@hcuge.ch Unité d Investigation Clinique Centre de Recherche Clinique HUG http://crc.hug-ge.ch/
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 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 détailOpportunités s de mutualisation ITIL et ISO 27001
Opportunités s de mutualisation ITIL et ISO 27001 Club ISO 27001 Paris,19 avril 2007 Alexandre Fernandez-Toro Rappels sur l ISO l 27001 Norme précisant les exigences pour La
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 détailI. COORDONNÉES PERSONNELLES / PERSONAL DATA
DOSSIER DE CANDIDATUREAPPLICATION FORM 2012 Please tick the admission session of your choice FévrierFebruary SeptembreSeptember MASTER OF ART (Mention the subject) MASTER OF SCIENCE (Mention the subject)
Plus en détailL application doit être validée et l infrastructure informatique doit être qualifiée.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 Annexe 11: Systèmes informatisés
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 détailGrandes tendances et leurs impacts sur l acquisition de produits et services TI.
Grandes tendances et leurs impacts sur l acquisition de produits et services TI. François Banville Partenaire exécutif chez Gartner Gartner is a registered trademark of Gartner, Inc. or its affiliates.
Plus en détailBases de données Outils de gestion
11/03/2010 Bases de données Outils de gestion Mise en place d outils pour gérer, stocker et utiliser les informations d une recherche biomédicale ent réalisé par L. QUINQUIS d épidémiologie et de biostatistique
Plus en détailAtelier " Gestion des Configurations et CMDB "
Atelier " Gestion des Configurations et CMDB " Président de séance : François MALISSART Mercredi 7 mars 2007 (Nantes) Bienvenue... Le thème : La Gestion des Configurations et la CMDB Le principe : Échanger
Plus en détailToni Lazazzera toni.lazazzera@tmanco.com. Tmanco is expert partner from Anatole (www.anatole.net) and distributes the solution AnatoleTEM
T e l e c o m m a n a g e m e n t c o m p e t e n c e Toni Lazazzera toni.lazazzera@tmanco.com Tmanco SA CH 6807 Taverne www.tmanco.com +41 91 930 96 63 Reduce your telecom invoices up to 30% through better
Plus en détailEssais cliniques de phase 0 : état de la littérature 2006-2009
17 èmes Journées des Statisticiens des Centres de Lutte contre le Cancer 4 ème Conférence Francophone d Epidémiologie Clinique Essais cliniques de phase 0 : état de la littérature 2006-2009 Q Picat, N
Plus en détailL'intelligence d'affaires: la statistique dans nos vies de consommateurs
L'intelligence d'affaires: la statistique dans nos vies de consommateurs Jean-François Plante, HEC Montréal Marc Fredette, HEC Montréal Congrès de l ACFAS, Université Laval, 6 mai 2013 Intelligence d affaires
Plus en détailPrésentation. Techno 5 759 Square Victoria, Bureau 228, Montréal, QC H2Y 2J7 Tel: 514843-4343 Fax: 514843-2468 www.techno5.com
Présentation Techno 5 759 Square Victoria, Bureau 228, Montréal, QC H2Y 2J7 Tel: 514843-4343 Fax: 514843-2468 www.techno5.com Plan de présentation 1 2 3 4 5 Àpropos de Les différents profils Opportunités
Plus en détailen SCÈNE RATIONAL Rational Démonstration SDP : automatisation de la chaîne de développement Samira BATAOUCHE sbataouche@fr.ibm.com
Rational Démonstration SDP : automatisation de la chaîne de développement Samira BATAOUCHE sbataouche@fr.ibm.com Fabrice GRELIER fabrice.grelier@fr.ibm.com RATIONAL en SCÈNE 2007 IBM Corporation Objectif
Plus en détailInformation Security Management Lifecycle of the supplier s relation
1 Information Security Management Lifecycle of the supplier s relation VS Gery Mollers Conseiller en Sécurité du Système d Information 2 SUPPLIER GOVERNANCE Why? Undiable Partner for Infor. System Maintenance
Plus en détailResponsabilité du promoteur et obligations des soustraitants. cliniques : conformité aux Bonnes Pratiques Cliniques et point de vue de l inspection
Responsabilité du promoteur et obligations des soustraitants dans les essais cliniques : conformité aux Bonnes Pratiques Cliniques et point de vue de l inspection Anne RAISON Chef de l Unité Inspection
Plus en détailAlgèbre 40 Analyse 26 14 Stat. 1 - IES : Probabilités discrètes et calcul intégral 29,5 6 Stat. 2 - IES : Probabilités générales 54 8 UE1-02 M-E-IS
1er semestre UE1-01 E Algèbre 40 Analyse 26 14 Stat. 1 - IES : Probabilités discrètes et calcul intégral 29,5 6 Stat. 2 - IES : Probabilités générales 54 8 UE1-02 M-E-IS Introduction au système SAS 25,5
Plus en détailRôle de l Assurance Qualité dans la recherche clinique
Rôle de l Assurance Qualité dans la recherche clinique Pôle Qualité / Gestion des Risques 05 Janvier 2012 Plan La qualité d une recherche c est quoi? Bonnes Pratiques Cliniques (BPC) Responsabilités des
Plus en détailSolvabilité II et rentabilité ajustée au risque des produits en assurance-vie
Solvabilité II et rentabilité ajustée au risque des produits en assurance-vie Vladislav GRIGOROV, CRO SwissLife France Journées d études de l IA, Deauville, 21 septembre 2012 Introduction Solvency II représente
Plus en détailWolters Kluwer Financial Services FRSGlobal
Wolters Kluwer Financial Services FRSGlobal Plateforme intégrée de gestion des risques et de conformité réglementaire Solvabilité II - Gestion et Qualité des données Des enjeux essentiels pour une remise
Plus en détailCONCOURS DE L AGRÉGATION INTERNE «ÉCONOMIE ET GESTION» SESSION 2015 SECONDE ÉPREUVE
CONCOURS DE L AGRÉGATION INTERNE «ÉCONOMIE ET GESTION» SESSION 2015 SECONDE ÉPREUVE Épreuve de cas pratique dans la spécialité correspondant à l'option choisie par le candidat Option D Durée de préparation
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 détailENSEIGNEMENT ET MONDE PROFESSIONNEL. Illustration d un lien fort au travers d un cours de scoring. Jean-Philippe KIENNER 7 novembre 2013
ENSEIGNEMENT ET MONDE PROFESSIONNEL Illustration d un lien fort au travers d un cours de scoring Jean-Philippe KIENNER 7 novembre 2013 CONTEXTE Une bonne insertion professionnelle des étudiants passe par
Plus en détailBIG DATA et gestion des données, la clé de l automatisation
BIG DATA et gestion des données, la clé de l automatisation EMC et Varonis Systems Julien CHAMONAL Strategic Market Sales Manager 1 Programme Le défi des Big Data L analyse des Big Data de Varonis Varonis
Plus en détailData issues in species monitoring: where are the traps?
Data issues in species monitoring: where are the traps? French breeding bird monitoring : Animations locales : - dealing with heterogenous data - working with multi-species multi-sites monitoring schemes
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailvalentin labelstar office Made-to-measure label design. Conception des étiquettes sur mesure. Quality. Tradition. Innovation DRUCKSYSTEME
valentin DRUCKSYSTEME labelstar office Made-to-measure label design. Conception des étiquettes sur mesure. Quality. Tradition. Innovation labelstar office individual. flexible. individuel. flexible > Simple
Plus en détailPour les utilisateurs Investigateurs et patients. Philadelphia, PA / Gif sur Yvette, France Mai 2010
Collecter les données patients avec une solution de capture de données électroniques basée sur du papier: la meilleure solution pour garantir la plus haute qualité des données et préserver une donnée source
Plus en détailTalend Technical Note
Mars 2011 Page 1 sur 5 Le MDM offre un hub central de contrôle et une vision unique des données maître de l'entreprise, quelles que soient les disparités entre les systèmes source. Il assure que les données
Plus en détailYphise optimise en Coût Valeur Risque l informatique d entreprise
Maîtriser le Change et le Release Management Juin 2007 Xavier Flez yphise@yphise.com Propriété Yphise 1 Enjeux La maîtrise du changement est un sujet essentiel et complexe pour toutes les DSI complexité
Plus en détailSystème de Gestion Électronique de la Qualité Une étude de cas
Système de Gestion Électronique de la Qualité Une étude de cas» Situation Générale» Bénéfices attendus» Qu est-ce qu un eqms» Positionnement d un eqms» Situation pré-implantation» Plan d implantation»
Plus en détailJean-Louis FELIPE (Né le 20/11/1960) Consultant sénior ITSM
Jean-Louis FELIPE (Né le 20/11/1960) Consultant sénior ITSM Diplôme de l Ecole Supérieure d Electronique Armée de terre, 1982 SYNTHÈSE PROFESSIONNELLE Mon parcours professionnel m a permis de construire
Plus en détailAudit et Inspection Les contraintes extérieures B.Malivoir
Audit et Inspection Les contraintes extérieures B.Malivoir Chef de projet Hémato-Onco CHRU Tours Vice Présidente CPP Région Ouest1 Le contexte juridique Directive 2001/20/CE du Parlement européen et du
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 détailPAS X. PAS-X Services. Competence. Implementation. Support. Vue d ensemble des services. Portfolio des services proposés
PAS-X PAS-X Vue d ensemble des services Portfolio des services proposés En complément de ses produits Manufacturing IT, Werum propose des prestations de services complètes. La société Werum apporte son
Plus en détailexemple d examen ITMP.FR
exemple d examen ITMP.FR Les Principes de Management du Système d Information (ITMP.FR) édition 2010 table des matières introduction 3 examen 4 barème 9 évaluation 17 A la fin de l examen vous devez rendre
Plus en détailRencontres AcaDM des 25-26 juin 2014 Dijon. Impact du Risk Based Monitoring sur le Data Management. Nicolas Gane ARCAGY-GINECO 25/06/2014
Rencontres AcaDM des 25-26 juin 2014 Dijon Impact du Risk Based Monitoring Nicolas Gane ARCAGY-GINECO 25/06/2014 De quoi parle-t-on? Monitoring (GCP 5.18.1) : Protection des droits du patient Fiabilité
Plus en détailLa recherche universitaire en sécurité routière
La recherche universitaire en sécurité routière François Bellavance, PhD Professeur, HEC Montréal Directeur Laboratoire sur la sécurité des transports Centre de recherche sur les transports (CRT) Centre
Plus en détailIntroduction au datamining
Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des
Plus en détail1 Modélisation d être mauvais payeur
1 Modélisation d être mauvais payeur 1.1 Description Cet exercice est très largement inspiré d un document que M. Grégoire de Lassence de la société SAS m a transmis. Il est intitulé Guide de démarrage
Plus en détailCette Leçon va remplir ces attentes spécifiques du curriculum :
Dev4Plan1 Le Plan De Leçon 1. Information : Course : Français Cadre Niveau : Septième Année Unité : Mes Relations Interpersonnelles Thème du Leçon : Les Adjectifs Descriptifs Date : Temps : 55 minutes
Plus en détailGOUVERNANCE DES ACCÈS,
GESTION DES IDENTITÉS, GOUVERNANCE DES ACCÈS, ANALYSE DES RISQUES Identity & Access Management L offre IAM de Beta Systems Beta Systems Editeur européen de logiciels, de taille moyenne, et leader sur son
Plus en détailBig Data -Comment exploiter les données et les transformer en prise de décisions?
IBM Global Industry Solution Center Nice-Paris Big Data -Comment exploiter les données et les transformer en prise de décisions? Apollonie Sbragia Architecte Senior & Responsable Centre D Excellence Assurance
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 détailPlanification, Elaboration budgétaire, Simulation, Analyse Temps Réel BAO02. Cognos TM1. Pascal DELVAL, Customer Technical Professional
Planification, Elaboration budgétaire, Simulation, Analyse Temps Réel BAO02 Cognos TM1 Pascal DELVAL, Customer Technical Professional 2010 IBM Corporation 3 Ensemble complet de Fonctionnalités BI Requête
Plus en détailHACCP Évolutions réglementaires et normatives
MADRPM / CEPR Rabat 30 octobre 2007 HACCP Évolutions réglementaires et normatives Une logique de maîtrise But : maîtrise de la sécurité sanitaire des aliments Système HACCP : «Analyse des dangers, points
Plus en détailP s a sep e o p r o t S e S r e vi v ce c s Fabrice Dubost
Passeport Services Fabrice Dubost 2.6 Gestion des Mises en Production ITIL, Soutien des services Entreprise, Clients et Utilisateurs Outil de Supervision Dysfonctionnements Questions / Renseignements Incidents
Plus en détailUne étude de différentes analyses réalisées par le BIT
Association internationale de la sécurité sociale Quinzième Conférence internationale des actuaires et statisticiens de la sécurité sociale Helsinki, Finlande, 23-25 mai 2007 Comparaison des hypothèses
Plus en détailGestion et réingénierie des processus (GPA) Tirez le maximum de vos systèmes d informations
Gestion et réingénierie des processus (GPA) Tirez le maximum de vos systèmes d informations Objectifs de la formation Se familiariser avec: Comment une meilleure gestion de vos processus d affaires est
Plus en détailMutualisation commerciale en Chine
Mutualisation commerciale en Chine Concept Permettre à un groupe de 3 à 4 sociétés de disposer d un bureau de représentation et d un Commercial partagé 1. Un bureau local à destination 2. Un développeur
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 détail4. SERVICES WEB REST 46
4. SERVICES WEB REST 46 REST REST acronyme de REpresentational State Transfert Concept introduit en 2000 dans la thèse de Roy FIELDING Est un style d architecture inspiré de l architecture WEB En 2010,
Plus en détailGRIFES. Gestion des risques et au-delà. Pablo C. Martinez. TRMG Product Leader, EMEA Symantec Corporation
GRIFES Gestion des risques et au-delà Pablo C. Martinez TRMG Product Leader, EMEA Symantec Corporation Gestion des risques et conformité Principaux soucis Se conformer aux mandats Rester loin des menaces
Plus en détailPROGRAMMES DONT LES UNIVERSITES PARTENAIRES SONT DIPLOMANTES. N.B : DIPLOME DE TECHNICIEN SUPERIEUR(DTS) : équivaut au BAC+2
PROGRAMMES DONT LES UNIVERSITES PARTENAIRES SONT DIPLOMANTES 1. MAHATMA GANDHI UNIVERSITY 2. INSTITUT SUPERIEUR DE BURKINAFASO N.B : DIPLOME DE TECHNICIEN SUPERIEUR(DTS) : équivaut au BAC+2 PROGRAMMES
Plus en détailSciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION
Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Classe de terminale de la série Sciences et Technologie du Management et de la Gestion Préambule Présentation Les technologies de l information
Plus en détailOutils logiciels SPC - une façon simple d optimiser les performances et la protection
Outils logiciels SPC - une façon simple d optimiser les performances et la protection SPC - Étendre l art moderne de la détection d intrusion www.spc-intruder-detection.com Answers for infrastructure.
Plus en détailLes simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R
Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences
Plus en détailChanger la source d'une requête dans SAS Enterprise Guide. Ce document explique comment changer la table source de la tâche Filtre et requêtes.
SAS, Cognos, Stata, Eviews, conseil, expertise, formation, mining, datamining, statistique, connaissance Changer la source d'une requête dans SAS Enterprise Guide client, valeur client, CRM, fidélisation,
Plus en détailMEGA Designer - Integration. Guide d utilisation
MEGA Designer - Integration Guide d utilisation MEGA 2009 SP5 1ère édition (mars 2011) Les informations contenues dans ce document pourront faire l objet de modifications sans préavis et ne sauraient en
Plus en détailL évaluation de la qualité d un dispositif d apprentissage en ligne. Quelles traces mobiliser? Comment les interpréter?
L évaluation de la qualité d un dispositif d apprentissage en ligne. Quelles traces mobiliser? Comment les interpréter? François GEORGES (LabSET ULg) Séminaire Be-ODL 18 novembre 2013 1 Plan La qualité
Plus en détailLa physique médicale au service du patient: le rôle de l agence internationale de l énergie atomique
La physique médicale au service du patient: le rôle de l agence internationale de l énergie atomique Ahmed Meghzifene Chef de la Section Dosimétrie et Physique Médicale, Division de la Santé Humaine, Dept
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 détailAccélérez votre projet ERP avec les Best Practices
Accélérez votre projet ERP avec les Best Practices Kurt Specht (CROSS), Patrick Schaller (CROSS), Alexandra Schorderet (Valtronic Technologies (Suisse) SA) Le 29 mai, 2013 Agenda Première partie Présentation
Plus en détailLes apports d un projet PLM (Product Lifecyle Management)
Chapitre 1 - COMPRENDRE LE MARCHÉ Les apports d un projet PLM (Product Lifecyle Management) Copyright 2009 CXP. 1 All rights reserved. Reproduction or distribution of this document, in any form, is expressly
Plus en détailPLATEFORME MÉTIER DÉDIÉE À LA PERFORMANCE DES INSTALLATIONS DE PRODUCTION
PLATEFORME MÉTIER DÉDIÉE À LA PERFORMANCE DES INSTALLATIONS DE PRODUCTION KEOPS Automation Espace Performance 2B, rue du Professeur Jean Rouxel BP 30747 44481 CARQUEFOU Cedex Tel. +33 (0)2 28 232 555 -
Plus en détailTitle Text. Gestion de données de mobilité Mobility data management
Title Text Gestion de données de mobilité Mobility data management Contenu de la présentation Content Entrepôt de données de mobilité et exportation Automatisation de la génération d objets dynamiques
Plus en détailDevenez un véritable développeur web en 3 mois!
Devenez un véritable développeur web en 3 mois! L objectif de la 3W Academy est de former des petits groupes d élèves au développement de sites web dynamiques ainsi qu à la création d applications web
Plus en détailtopaccount : La domiciliation européenne (SEPA Direct Debit) Page : 1
topaccount : La domiciliation européenne (SEPA Direct Debit) Page : 1 1. Introduction...2 1.1 Définition...2 1.2 Les principales différences par rapport à la domiciliation actuelle belge...3 1.3 Core en
Plus en détailBienvenue au séminaire HP Service Anywhere Mardi 11 février 2014
Bienvenue au séminaire HP Service Anywhere Mardi 11 février 2014 Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. Merci à nos
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 détailPhilippe Lemerle Big Data Secteur public. Copyright 2015, Oracle and/or its affiliates. All rights reserved.
Philippe Lemerle Big Data Secteur public 1 Le Monde se crée une copie numérique de lui même (*) (*) The world is making a digital copy of itself Paul Sonderegger, Oracle Approche réductioniste propriétés
Plus en détailYphise optimise en Coût Valeur Risque l informatique d entreprise
Réussir le Service Management avec ISO 20000-1 Novembre 2007 Xavier Flez yphise@yphise.com Propriété Yphise 1 Introduction (1/2) Il existe une norme internationale sur le Service Management en plus d ITIL
Plus en détailTitre 1 Quas doluptur? Is audiossi alit perum accus quidust, optatis suntiam, apiendit, consequisque voluptatia cuptius plab
Augmentez vos marges CLOUD accus quidust, optatis suntiam, apiendit, ut alit libus, id unt quis et maximol escimil lanissum dis doles voluptaquis am, aut pa De la production à SOLUTION la gestion de projet
Plus en détailRévision salariale - Manager
Révision salariale - Manager Version : V1.0, mise à jour le 29/07/2014 Légende : 1 Information Points d attention Etapes Astuces De quoi s agit-il? VITALIS a pour vocation de permettre et faciliter la
Plus en détailCALENDRIER DES FORMATIONS ET CERTIFICATIONS AXWAY
CALENDRIER DES FORMATIONS ET CERTIFICATIONS AXWAY 2 ND SEMESTRE 2015 1 1. COURS MANAGED FILE TRANSFER (MFT) 4 1.1. TRANSFER CFT... 4 1.2. GATEWAY... 6 1.3. SECURE TRANSPORT... 8 1.4. INTERCHANGE... 8 1.5.
Plus en détailPrésentation par François Keller Fondateur et président de l Institut suisse de brainworking et M. Enga Luye, CEO Belair Biotech
Présentation par François Keller Fondateur et président de l Institut suisse de brainworking et M. Enga Luye, CEO Belair Biotech Le dispositif L Institut suisse de brainworking (ISB) est une association
Plus en détailCONFERENCE PALISADE. Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design»
CONFERENCE PALISADE Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design» 1 SIGMA PLUS Logiciels, Formations et Etudes Statistiques
Plus en détailLa gestion des mots de passe pour les comptes à privilèges élevés
La gestion des mots de passe pour les comptes à privilèges élevés Bernard Levasseur, ing. CISSP Spécialiste en solutions de sécurité Séminaire Bell sur les solutions de sécurité Le 12 novembre 2009 Page
Plus en détailCréation de procédures inter-services pour la gestion des essais de phase I à l Institut Gustave Roussy
Création de procédures inter-services pour la gestion des essais de phase I à l Institut Gustave Roussy A.A. MOUSSA D. SCHWOB Institut de cancérologie Gustave-Roussy 94805 Villejuif cedex - FRANCE Plan
Plus en détailBIG DATA en Sciences et Industries de l Environnement
BIG DATA en Sciences et Industries de l Environnement François Royer www.datasio.com 21 mars 2012 FR Big Data Congress, Paris 2012 1/23 Transport terrestre Traçabilité Océanographie Transport aérien Télémétrie
Plus en détailIntroduction à la B.I. Avec SQL Server 2008
Introduction à la B.I. Avec SQL Server 2008 Version 1.0 VALENTIN Pauline 2 Introduction à la B.I. avec SQL Server 2008 Sommaire 1 Présentation de la B.I. et SQL Server 2008... 3 1.1 Présentation rapide
Plus en détailOUTIL D'EVALUATION DU TEMPS ARC / CHEF DE PROJET PROMOTEUR REQUIS POUR UNE RECHERCHE BIOMEDICALE V 2.3 DE L OUTIL NOTICE D UTILISATION
OUTIL D'EVALUATION DU TEMPS ARC / CHEF DE PROJET PROMOTEUR REQUIS POUR UNE RECHERCHE BIOMEDICALE V 2.3 DE L OUTIL NOTICE D UTILISATION i) Contexte :... - 2 - ii) But de l outil :... - 2 - iii) Fonctionnement
Plus en détailMicro-ordinateurs, informations, idées, trucs et astuces utiliser le Bureau à distance
Micro-ordinateurs, informations, idées, trucs et astuces utiliser le Bureau à distance Auteur : François CHAUSSON Date : 8 février 2008 Référence : utiliser le Bureau a distance.doc Préambule Voici quelques
Plus en détail3615 SELFIE. http://graffitiresearchlab.fr HOW-TO / GUIDE D'UTILISATION
3615 SELFIE http://graffitiresearchlab.fr HOW-TO / GUIDE D'UTILISATION Hardware : Minitel Computer DIN FM545 45 connector (http://www.gotronic.fr/art-fiche-din-fm545-4747.htm) Cable Arduino compatible
Plus en détailTARIFICATION EN ASSURANCE COMPLEMENTAIRE SANTE: il était une fois, un statisticien, un actuaire, un économiste de la santé
TARIFICATION EN ASSURANCE COMPLEMENTAIRE SANTE: il était une fois, un statisticien, un actuaire, un économiste de la santé Plan de l intervention 1 2 3 Généralités sur le fonctionnement de l assurance
Plus en détailRetour d expérience. Mise en place ITIL en Milieu Télécoms. Tunisiana
Retour d expérience Mise en place ITIL en Milieu Télécoms Tunisiana 1 Plan de la présentation Présentation générale Tunisiana. Pourquoi lancer un projet ITIL? Approche de mise en œuvre. Axes du projet
Plus en détailTP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile
TP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile Dans ce TP, vous apprendrez à définir le type abstrait Pile, à le programmer en Java à l aide d une interface
Plus en détailEXCEL EXPERIENCE DAY 2015
EXCEL EXPERIENCE DAY 2015 Excel sous tous les angles JOURNÉE D ÉTUDE - 10 JUIN 2015 - NEDER-OVER-HEEMBEEK (BRUXELLES) 8 ième édition! Déjà suivi par 1 616 participants EXCEL EXPERIENCE DAY 2015 ➊ La journée
Plus en détailRISK-BASED APPROACH IN CLINICAL TRIALS objectives historical and regulatory context. Valérie Journot INSERM, F-CRIN WP4d, Bordeaux
RISK-BASED APPROACH IN CLINICAL TRIALS objectives historical and regulatory context Valérie Journot INSERM, F-CRIN WP4d, Bordeaux Risk Management in clinical trials from trial monitoring to global risk
Plus en détailLa logistique aujourd hui. Thierry van Ravestyn General Manager
La logistique aujourd hui Thierry van Ravestyn General Manager La traçabilité Définition : Qui, Quoi, Comment, Où? La traçabilité est définie comme l aptitude à retrouver l historique, l utilisation ou
Plus en détail