Bibliographie & annexes
Présentation
English
RÉSUMÉ
Dans cet article, il est question de la rupture quantitative dans l’accès aux données en examinant les spécificités du domaine biomédical. Les spécificités des données dans le domaine de la santé sont interrogées à l’aide d’un moyen mnémotechnique de 5 lettres : V, N, C, P, T. « V » de Variabilité, « N » des grands et des petits Nombres, « C » des Catégories diagnostiques changeantes, « P » pour la nature Probabiliste des évènements en santé et le « T » pour leur inscription dans des Temps longs. Ces caractéristiques des données de santé sont autant de défis pour le futur d’une médecine devient plus « 4P » : une médecine prédictive, personnalisée, préventive et participative.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleAuteur(s)
-
Pierre-Antoine GOURRAUD : Professeur des universités Praticien Hospitalier - Nantes Université, CHU, INSERM,Centre de Recherche en Transplantation et Immunologie, UMR 1064, ATIP-Avenir , Nantes, France - CHU de Nantes, INSERM, CIC 1413, Pôle Hospitalo-Universitaire 11 : Santé Publique, Clinique des données, Nantes, France
INTRODUCTION
L’arrivée du « big data » dans la santé, coïncide avec l’émergence d’une médecine dite « de précision » , c’est-à-dire une médecine où l’objectif est de mieux prendre en compte les patients à la fois dans leur globalité de leur pathologie et dans leur particularité individuelle. La HAS (Haute Autorité de Santé) parle de la règle des 5B autrement dit « administrer le Bon médicament, à la Bonne dose, sur la Bonne voie, au Bon moment, au Bon patient ». La double facilité d’accéder à des données objectives et de lancer un calcul à la volée caractéristique du « big data » est un des moteurs de cette médecine de précision. Elle est de plus en plus envisageable de par la digitalisation des données de santé qui deviennent de plus en plus présentes dans le soin et le traitement des patients. Néanmoins, si le domaine médical, comme d’autres avant lui, est appelé à se transformer grâce à des calculs à la demande réalisés sur des données devenues plus accessibles car digitalisées, il convient de s’interroger sur le substrat même d’une révolution du big data réelle ou supposée. En effet c’est d’abord la nature des données auxquelles on a nouvellement accès de manière massive (big data) qui contient les usages, les espoirs et les limites de l’émergence de la nouvelle médecine à l’ère du big data. Cet article met en avant cinq caractéristiques des données de santé pour comprendre les enjeux du big data en santé et rendre concrètement possibles de multiples applications dans ce domaine.
L'expertise technique et scientifique de référence
DOI (Digital Object Identifier)
CET ARTICLE SE TROUVE ÉGALEMENT DANS :
Accueil > Ressources documentaires > Technologies de l'information > Technologies logicielles Architectures des systèmes > Big Data > Le domaine de la santé face aux enjeux du big data > Rupture dans l’accès à des données pour de multiples usages
Accueil > Ressources documentaires > Biomédical - Pharma > Technologies pour la santé > Santé numérique et connectée > Le domaine de la santé face aux enjeux du big data > Rupture dans l’accès à des données pour de multiples usages
Cet article fait partie de l’offre
Smart city - Ville intelligente et durable
(91 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
Contexte des données biomédicales
English
3. Rupture dans l’accès à des données pour de multiples usages
En santé, à condition de saisir la particularité des données de santé comme proposé ici sous forme des 5 lettres (V de Variabilité, N des grands et des petits Nombres, C des Catégories diagnostiques toujours changeantes, P pour la nature profondément Probabiliste des évènements en santé, et le T pour leur inscription dans des Temps longs), on voit la rupture majeure que constitue la massification des données de santé, leur accès et mobilisation dans le cadre de décisions ou d’analyse en santé. Cette question est particulièrement cruciale en raison de la diversité des usages et des enjeux qui y sont associés.
La médecine à l’ère des big data, laisse déjà entrevoir une médecine où les technologies de l’information génèrent un troisième pôle dans la relation soigné-soignant, un pôle représenté par des données objectives quantifiées, des big data dont le soignant est l’utilisateur et l’interpréteur. On peut s’autoriser même à penser que la norme en 2020 deviendra exception, c’est-à-dire qu’une prise de décision sur la seule base de l’expérience et de la mémorisation du soignant sera réservée à des situations exceptionnelles d’urgence ou de catastrophe. Dans toutes les autres situations, les générations à venir ne comprendront pas qu’un accès à des données et un calcul à la demande ne soient pas mobilisés lors de l’acte médical.
Donnée : Enregistrement d’une information lors de la survenue d’un événement ou d’un processus. Elle est potentiellement porteuse de sens ou d’utilité. Ex. : enregistrement de la valeur en g/L de glucose dans le sang (1,03 g/L chez monsieur X) est porteur d’information sur un potentiel diabète.
Variable : Enregistrement systématique d’une donnée correspondant à l’observation d’une caractéristique particulière de plusieurs observations. Une variable est déjà en elle-même, par sa mesure, la construction d'une représentation d’un phénomène biologique ou médical. La glycémie sanguine correspond à l’observation de plusieurs données (1,03 g/L chez monsieur X, 0,98g/L chez madame Y, etc.)
Jeu de données : Ensemble de données concernant plusieurs observations individuelles, agrégeant...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Smart city - Ville intelligente et durable
(91 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Rupture dans l’accès à des données pour de multiples usages
BIBLIOGRAPHIE
-
(1) - COLLINS (F.) - Building the Precision Medicine Initiative National Research Cohort – The Time is Now. - National Institute of Health (2015). https://www.nih.gov/about-nih/who-we-are/nih-director/statements/building-precision-medicine-initiative-national-research-cohort-time-now
-
(2) - Haute autorité de santé - Outils de sécurisation et d’auto-évaluation de l’administration des médicaments - (2013). http://www.has-sante.fr/upload/docs/application/pdf/2011-11/guide outil securisation autoevaluation medicaments complet 2011-11-17 10-49-21 885.pdf?bcsi scan B00125306A6CF17E=0&bcsi scan filename=guide outil securisation autoevalusation medicaments complet 2011-11-17 10-49-21 885.pdf
-
(3) - CAMBON-THOMSEN (A.), DUCOURNAU (P.), GOURRAUD (P.A.), PONTILLE (D.) - Biobanks for genomics and genomics for biobanks. - Comp Funct Genomics, 4(6) ; 628-634. doi:10.1002/cfg.333 (2003).
-
(4) - RODEN (D.M.), TYNDALE (R.F) - Genomic Medicine, Precision Medicine, Personalized Medicine: What’s in a Name? - PMC – US National Library of Medicine. National Institute of Health (2013). https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3965175/
-
...
DANS NOS BASES DOCUMENTAIRES
NORMES
-
Classification Statistique Internationale des Maladies et des Problèmes de Santé Connexes par l’Organisation Mondiale de la Santé (OMS) : https://icd.who.int/browse10/2008/fr - CIM10 -
-
Exemple de normes en informatique médicale ; il s’agit de spécifications techniques pour les échanges informatisés de données cliniques, mais aussi administratives et financière entre établissements de soins (systèmes d’information hospitaliers – SIH). Ces spécifications sont en partie intégrées dans les normes américaines (ANSI) et internationales (ISO) https://www.hl7.org/implement/standards/ - HL7 -
-
Le modèle de données commun (Common Data Model CDM) de l’Observational Medical Outcomes Partnership (OMOP) permet de saisir les informations (par exemple, les rencontres, les patients, les prestataires, les diagnostics, les médicaments, les mesures et les procédures) de la même manière dans différentes institutions. L'objectif d’un CDM est de normaliser le format et le contenu des données d’observation afin que des applications, des outils et des méthodes normalisées puissent être appliqués à différents ensembles de données. https://www.ohdsi.org/data-standardization/the-common-data-model/ - OMOP -
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Smart city - Ville intelligente et durable
(91 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
