SlideShare une entreprise Scribd logo
1  sur  30
Valorisation des données cliniques
pour un système de santé apprenant
Exemple d’un modèle en développement pour l’exploitation d’un lac de données
Yassine Benhajali
Associé de recherche au Centre de Recherche du Douglas
yassine.benhajali.comtl@ssss.gouv.qc.ca
1
Qui sommes nous ?
Données et Développements numériques au Douglas pour la Santé Mentale
(D3SM)
● Santé Mentale Numérique
● Data Science
● Open Science
● Neuroinformatics Platform
Objectif Générale
● Concevoir et implanter des solutions numériques innovantes en santé mentale au Douglas
basés sur la recherche et les besoins cliniques.
2
Science des données
Objectif
● Mise en place de la brique élémentaire d’un
système de santé apprenant qui est la
valorisation des données.
3
Ref: SSA Québec
Nos trois piliers
Où sont les données ?
Au Douglas
● Systèmes informatiques internes aux
installations de l'hôpital
● Archives
● Données de vie réelle
Au Centre de Recherche du Douglas
● Platforme neuroinformatique
● Laboratoires de recherche
● Ordinateurs et supports de stockage divers aux
groupes de recherches
● Données de recherche clinique
4
Où sont les données ?
Au CIUSSS-ODIM
● Perfocentre (service de
performance et statistiques)
"Contribuer à l’atteinte de la performance
organisationnelle visée en fournissant aux
directeurs et gestionnaires, des services et
un soutien axé sur l’identification et la
production d’informations de gestion et l’
élaboration d’outils d’aide à la décision."
Ref:
http://perfocentre.comtl.rtss.qc.ca/pages/Accueil
5
Où sont les données ?
6
Accès aux
Données
Modèle d'accès aux
données actuel
7
● Étapes 3 et 7 ont un
potentiel d'abandon du
projet de recherche
Valorisation des
Données
Modèle de valorisation
des données proposé
8
Valorisation des
Données
Modèle de valorisation
des données proposé
9
Valorisation des
Données
Modèle de valorisation
des données proposé
10
Valorisation des
Données
Modèle de valorisation
des données proposé
11
Valorisation des
Données
Modèle de valorisation
des données proposé
12
● Meilleure visibilité des
données
● Assurance de la qualité des
données pour la recherche
Valorisation des
Données
Valorisation et
Co-construction des projets
13
Valorisation des
Données
Valorisation et
Co-construction des projets
14
Valorisation des
Données
Valorisation et
Co-construction des projets
15
Valorisation des
Données
Valorisation et
Co-construction des projets
16
Nos défis
17
● Data Landscape:
○ Les systèmes ?
○ Les sources ?
○ Le cycle de vie des données ?
● Manipulation des données:
○ Transformation pour les analyses en Machine Learning
○ Interopérabilité
○ Sécurité et anonymisation
○ Stockage
○ etc.
● Gouvernance des données
● Processus légal et éthique
The Douglas Data Capture Platform
A modern, user-friendly web application for standardized data capture in medical research
Joshua Unrau
Systems Administrator and Developer at the Douglas Research Centre
joshua.unrau@mail.mcgill.ca
18
Qui sommes nous ?
Données et Développements numériques au Douglas pour la Santé Mentale
(D3SM)
● Santé Mentale Numérique
● Data Science
● Open Science
● Neuroinformatics Platform
Objectif Générale
● Concevoir et implanter des solutions numériques innovantes en santé mentale au Douglas
basés sur la recherche
19
The Douglas Neuroinformatics Platform
Three Pillars
1. Informatics Capacity
2. Big Data Analysis
3. Data Curation
Essential Pillar: Informatics Capacity
● Existing Capacity
○ Safe data storage
○ MRI processing
○ General statistical analysis
● Next Step: Clinical Research Data
20
What is Clinical Research Data?
Working Definition
● Quantitative information relevant for
research or performance improvement
Examples
● Cognitive Assessments
● Symptom Scales
21
Montreal Cognitive Assessment (MoCA)
Project Scope
Principal Objective
● To provide a standardized, secure, and easy-to-use solution for clinical research data capture
and storage
Secondary Objectives
● Dashboard
● Data Extraction
22
Important Distinctions
Douglas Data Capture Platform
● Collect qualitative clinical research data for performance improvement and prediction
● For legal reasons, cannot be the primary method of clinical data storage
Electronic Health Record (EHR)
● Collect unstructured clinical notes of little/no utility for machine learning applications
Perfocentre
● Managed by the CIUSSS
● Established to enable data reporting to the Ministère de la Santé et des Services sociaux
23
Previous Clinical Research Data Management
Data Capture Methods
● Usually Unversioned
● Little/No Documentation
● Difficult to Connect Over Time
Data Storage
● Spreadsheets
● Printed Documents
● Handwritten Notes
24
study_2020.pdf study_2021.csv study_2022.spss
Design Principles: Free and Open Source
Free and Open Source
● All users have the freedom to run, copy, distribute,
study, change and improve the software
○ Provided that any modified versions afford
other users the same freedoms
Important Note
● Software vs Instance of the Software
25
https://github.com/DouglasNeuroInformatics/DouglasDataCapturePlatform
Design Principles: Modern User Interface
Modern User Interface
● Web-Based
● Easy-To-Use
● No Technical Knowledge Required
Responsive Design
● Desktop
● Tablet
● Mobile
26
Design Principles: Secure and Interoperable
Security By Design
● Robust permissions system to ensure that only authorized
users can access specific data
Well-Documented API
● Allows interfacing with tools developed by other members of
our team
● For example, a tool to predict patient outcomes based on the
results from a suite of test administered by a clinic
27
Demo
28
Nos défis
● Actually utility for researcher-clinicians
○ Demo almost ready
○ Goal is to assess processes
● Legal and ethical processes
○ Bill 3
○ Ethics Board
29
Resources
Joshua Unrau
● Systems Administrator and Developer at the Douglas Research Centre
● joshua.unrau@mail.mcgill.ca
Source Code
● https://github.com/DouglasNeuroInformatics/DouglasDataCapturePlatform
Yassine Benhajali
● Associé de recherche au Centre de Recherche du Douglas
● yassine.benhajali.comtl@ssss.gouv.qc.ca
30

Contenu connexe

Similaire à Valorisation des données _ Data Capture Platform-Overvieww.pdf

Introduction au datamining partiel 1.pdf
Introduction au datamining partiel 1.pdfIntroduction au datamining partiel 1.pdf
Introduction au datamining partiel 1.pdfamarasidibeavm
 
2015-05-Présentation_Synodis V7.8
2015-05-Présentation_Synodis V7.82015-05-Présentation_Synodis V7.8
2015-05-Présentation_Synodis V7.8Rapha du Besset
 
Chap1et2-IntroED (2 aaaaaaaaaaaaaaaa).pdf
Chap1et2-IntroED (2 aaaaaaaaaaaaaaaa).pdfChap1et2-IntroED (2 aaaaaaaaaaaaaaaa).pdf
Chap1et2-IntroED (2 aaaaaaaaaaaaaaaa).pdfIbrahimBenhadhria
 
Construire des outils pour la gestion des données de la recherche dans une co...
Construire des outils pour la gestion des données de la recherche dans une co...Construire des outils pour la gestion des données de la recherche dans une co...
Construire des outils pour la gestion des données de la recherche dans une co...Lesticetlart Invisu
 
Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...
Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...
Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...Excelerate Systems
 
Santé : accélérez avec la puissance du calcul intensif - GENCI
Santé : accélérez avec la puissance du calcul intensif - GENCISanté : accélérez avec la puissance du calcul intensif - GENCI
Santé : accélérez avec la puissance du calcul intensif - GENCIFrenchTechCentral
 
Approche pour la constitution et la mise en oeuvre des systèmes d'information...
Approche pour la constitution et la mise en oeuvre des systèmes d'information...Approche pour la constitution et la mise en oeuvre des systèmes d'information...
Approche pour la constitution et la mise en oeuvre des systèmes d'information...Desconnets Jean-Christophe
 
Presentation du projet Deep.piste
Presentation du projet Deep.piste Presentation du projet Deep.piste
Presentation du projet Deep.piste epiconcept
 
Dep 2015 projets big data & dq 20151126 v1.3
Dep 2015 projets big data & dq 20151126 v1.3Dep 2015 projets big data & dq 20151126 v1.3
Dep 2015 projets big data & dq 20151126 v1.3Hervé Husson
 
Data mining et data science
Data mining et data scienceData mining et data science
Data mining et data scienceRima Jamli Faidi
 
Parcours de formations DATA ACADEMY
Parcours de formations DATA ACADEMYParcours de formations DATA ACADEMY
Parcours de formations DATA ACADEMYTechnofutur TIC
 
Illustration des questions de dialogue et coordination entre les acteurs à tr...
Illustration des questions de dialogue et coordination entre les acteurs à tr...Illustration des questions de dialogue et coordination entre les acteurs à tr...
Illustration des questions de dialogue et coordination entre les acteurs à tr...Lesticetlart Invisu
 
i-expo 2013 : présentation du Linked Enterprise Data par Antidot avec témoign...
i-expo 2013 : présentation du Linked Enterprise Data par Antidot avec témoign...i-expo 2013 : présentation du Linked Enterprise Data par Antidot avec témoign...
i-expo 2013 : présentation du Linked Enterprise Data par Antidot avec témoign...Antidot
 
IODS : Retour d’expériences au sein du Center for Data Science
IODS : Retour d’expériences au sein du Center for Data ScienceIODS : Retour d’expériences au sein du Center for Data Science
IODS : Retour d’expériences au sein du Center for Data ScienceBorderCloud
 
Masterclass, exploiter les données publiques de santé @HealthDataHub
Masterclass, exploiter les données publiques de santé @HealthDataHubMasterclass, exploiter les données publiques de santé @HealthDataHub
Masterclass, exploiter les données publiques de santé @HealthDataHubFrenchTechCentral
 
Nuit du Big Data, 10 Décembre 2014
Nuit du Big Data, 10 Décembre 2014Nuit du Big Data, 10 Décembre 2014
Nuit du Big Data, 10 Décembre 2014Alexandre Weisz
 
#NSD14 - La sécurité autour du Big Data
#NSD14 - La sécurité autour du Big Data#NSD14 - La sécurité autour du Big Data
#NSD14 - La sécurité autour du Big DataNetSecure Day
 

Similaire à Valorisation des données _ Data Capture Platform-Overvieww.pdf (20)

Introduction au datamining partiel 1.pdf
Introduction au datamining partiel 1.pdfIntroduction au datamining partiel 1.pdf
Introduction au datamining partiel 1.pdf
 
Le Réseau de données probantes sur la COVID-19 au soutien de la prise de déci...
Le Réseau de données probantes sur la COVID-19 au soutien de la prise de déci...Le Réseau de données probantes sur la COVID-19 au soutien de la prise de déci...
Le Réseau de données probantes sur la COVID-19 au soutien de la prise de déci...
 
2015-05-Présentation_Synodis V7.8
2015-05-Présentation_Synodis V7.82015-05-Présentation_Synodis V7.8
2015-05-Présentation_Synodis V7.8
 
Chap1et2-IntroED (2 aaaaaaaaaaaaaaaa).pdf
Chap1et2-IntroED (2 aaaaaaaaaaaaaaaa).pdfChap1et2-IntroED (2 aaaaaaaaaaaaaaaa).pdf
Chap1et2-IntroED (2 aaaaaaaaaaaaaaaa).pdf
 
Construire des outils pour la gestion des données de la recherche dans une co...
Construire des outils pour la gestion des données de la recherche dans une co...Construire des outils pour la gestion des données de la recherche dans une co...
Construire des outils pour la gestion des données de la recherche dans une co...
 
Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...
Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...
Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...
 
Business Card
Business CardBusiness Card
Business Card
 
Santé : accélérez avec la puissance du calcul intensif - GENCI
Santé : accélérez avec la puissance du calcul intensif - GENCISanté : accélérez avec la puissance du calcul intensif - GENCI
Santé : accélérez avec la puissance du calcul intensif - GENCI
 
Approche pour la constitution et la mise en oeuvre des systèmes d'information...
Approche pour la constitution et la mise en oeuvre des systèmes d'information...Approche pour la constitution et la mise en oeuvre des systèmes d'information...
Approche pour la constitution et la mise en oeuvre des systèmes d'information...
 
Presentation du projet Deep.piste
Presentation du projet Deep.piste Presentation du projet Deep.piste
Presentation du projet Deep.piste
 
Dep 2015 projets big data & dq 20151126 v1.3
Dep 2015 projets big data & dq 20151126 v1.3Dep 2015 projets big data & dq 20151126 v1.3
Dep 2015 projets big data & dq 20151126 v1.3
 
Data mining et data science
Data mining et data scienceData mining et data science
Data mining et data science
 
Parcours de formations DATA ACADEMY
Parcours de formations DATA ACADEMYParcours de formations DATA ACADEMY
Parcours de formations DATA ACADEMY
 
Illustration des questions de dialogue et coordination entre les acteurs à tr...
Illustration des questions de dialogue et coordination entre les acteurs à tr...Illustration des questions de dialogue et coordination entre les acteurs à tr...
Illustration des questions de dialogue et coordination entre les acteurs à tr...
 
i-expo 2013 : présentation du Linked Enterprise Data par Antidot avec témoign...
i-expo 2013 : présentation du Linked Enterprise Data par Antidot avec témoign...i-expo 2013 : présentation du Linked Enterprise Data par Antidot avec témoign...
i-expo 2013 : présentation du Linked Enterprise Data par Antidot avec témoign...
 
IODS : Retour d’expériences au sein du Center for Data Science
IODS : Retour d’expériences au sein du Center for Data ScienceIODS : Retour d’expériences au sein du Center for Data Science
IODS : Retour d’expériences au sein du Center for Data Science
 
Masterclass, exploiter les données publiques de santé @HealthDataHub
Masterclass, exploiter les données publiques de santé @HealthDataHubMasterclass, exploiter les données publiques de santé @HealthDataHub
Masterclass, exploiter les données publiques de santé @HealthDataHub
 
Nuit du Big Data, 10 Décembre 2014
Nuit du Big Data, 10 Décembre 2014Nuit du Big Data, 10 Décembre 2014
Nuit du Big Data, 10 Décembre 2014
 
#NSD14 - La sécurité autour du Big Data
#NSD14 - La sécurité autour du Big Data#NSD14 - La sécurité autour du Big Data
#NSD14 - La sécurité autour du Big Data
 
M allanic piv2017_c
M allanic piv2017_cM allanic piv2017_c
M allanic piv2017_c
 

Valorisation des données _ Data Capture Platform-Overvieww.pdf

  • 1. Valorisation des données cliniques pour un système de santé apprenant Exemple d’un modèle en développement pour l’exploitation d’un lac de données Yassine Benhajali Associé de recherche au Centre de Recherche du Douglas yassine.benhajali.comtl@ssss.gouv.qc.ca 1
  • 2. Qui sommes nous ? Données et Développements numériques au Douglas pour la Santé Mentale (D3SM) ● Santé Mentale Numérique ● Data Science ● Open Science ● Neuroinformatics Platform Objectif Générale ● Concevoir et implanter des solutions numériques innovantes en santé mentale au Douglas basés sur la recherche et les besoins cliniques. 2
  • 3. Science des données Objectif ● Mise en place de la brique élémentaire d’un système de santé apprenant qui est la valorisation des données. 3 Ref: SSA Québec Nos trois piliers
  • 4. Où sont les données ? Au Douglas ● Systèmes informatiques internes aux installations de l'hôpital ● Archives ● Données de vie réelle Au Centre de Recherche du Douglas ● Platforme neuroinformatique ● Laboratoires de recherche ● Ordinateurs et supports de stockage divers aux groupes de recherches ● Données de recherche clinique 4
  • 5. Où sont les données ? Au CIUSSS-ODIM ● Perfocentre (service de performance et statistiques) "Contribuer à l’atteinte de la performance organisationnelle visée en fournissant aux directeurs et gestionnaires, des services et un soutien axé sur l’identification et la production d’informations de gestion et l’ élaboration d’outils d’aide à la décision." Ref: http://perfocentre.comtl.rtss.qc.ca/pages/Accueil 5
  • 6. Où sont les données ? 6
  • 7. Accès aux Données Modèle d'accès aux données actuel 7 ● Étapes 3 et 7 ont un potentiel d'abandon du projet de recherche
  • 8. Valorisation des Données Modèle de valorisation des données proposé 8
  • 9. Valorisation des Données Modèle de valorisation des données proposé 9
  • 10. Valorisation des Données Modèle de valorisation des données proposé 10
  • 11. Valorisation des Données Modèle de valorisation des données proposé 11
  • 12. Valorisation des Données Modèle de valorisation des données proposé 12 ● Meilleure visibilité des données ● Assurance de la qualité des données pour la recherche
  • 17. Nos défis 17 ● Data Landscape: ○ Les systèmes ? ○ Les sources ? ○ Le cycle de vie des données ? ● Manipulation des données: ○ Transformation pour les analyses en Machine Learning ○ Interopérabilité ○ Sécurité et anonymisation ○ Stockage ○ etc. ● Gouvernance des données ● Processus légal et éthique
  • 18. The Douglas Data Capture Platform A modern, user-friendly web application for standardized data capture in medical research Joshua Unrau Systems Administrator and Developer at the Douglas Research Centre joshua.unrau@mail.mcgill.ca 18
  • 19. Qui sommes nous ? Données et Développements numériques au Douglas pour la Santé Mentale (D3SM) ● Santé Mentale Numérique ● Data Science ● Open Science ● Neuroinformatics Platform Objectif Générale ● Concevoir et implanter des solutions numériques innovantes en santé mentale au Douglas basés sur la recherche 19
  • 20. The Douglas Neuroinformatics Platform Three Pillars 1. Informatics Capacity 2. Big Data Analysis 3. Data Curation Essential Pillar: Informatics Capacity ● Existing Capacity ○ Safe data storage ○ MRI processing ○ General statistical analysis ● Next Step: Clinical Research Data 20
  • 21. What is Clinical Research Data? Working Definition ● Quantitative information relevant for research or performance improvement Examples ● Cognitive Assessments ● Symptom Scales 21 Montreal Cognitive Assessment (MoCA)
  • 22. Project Scope Principal Objective ● To provide a standardized, secure, and easy-to-use solution for clinical research data capture and storage Secondary Objectives ● Dashboard ● Data Extraction 22
  • 23. Important Distinctions Douglas Data Capture Platform ● Collect qualitative clinical research data for performance improvement and prediction ● For legal reasons, cannot be the primary method of clinical data storage Electronic Health Record (EHR) ● Collect unstructured clinical notes of little/no utility for machine learning applications Perfocentre ● Managed by the CIUSSS ● Established to enable data reporting to the Ministère de la Santé et des Services sociaux 23
  • 24. Previous Clinical Research Data Management Data Capture Methods ● Usually Unversioned ● Little/No Documentation ● Difficult to Connect Over Time Data Storage ● Spreadsheets ● Printed Documents ● Handwritten Notes 24 study_2020.pdf study_2021.csv study_2022.spss
  • 25. Design Principles: Free and Open Source Free and Open Source ● All users have the freedom to run, copy, distribute, study, change and improve the software ○ Provided that any modified versions afford other users the same freedoms Important Note ● Software vs Instance of the Software 25 https://github.com/DouglasNeuroInformatics/DouglasDataCapturePlatform
  • 26. Design Principles: Modern User Interface Modern User Interface ● Web-Based ● Easy-To-Use ● No Technical Knowledge Required Responsive Design ● Desktop ● Tablet ● Mobile 26
  • 27. Design Principles: Secure and Interoperable Security By Design ● Robust permissions system to ensure that only authorized users can access specific data Well-Documented API ● Allows interfacing with tools developed by other members of our team ● For example, a tool to predict patient outcomes based on the results from a suite of test administered by a clinic 27
  • 29. Nos défis ● Actually utility for researcher-clinicians ○ Demo almost ready ○ Goal is to assess processes ● Legal and ethical processes ○ Bill 3 ○ Ethics Board 29
  • 30. Resources Joshua Unrau ● Systems Administrator and Developer at the Douglas Research Centre ● joshua.unrau@mail.mcgill.ca Source Code ● https://github.com/DouglasNeuroInformatics/DouglasDataCapturePlatform Yassine Benhajali ● Associé de recherche au Centre de Recherche du Douglas ● yassine.benhajali.comtl@ssss.gouv.qc.ca 30