Lundi 26 juin 2017 après-midi
Accueil – déjeuner (12:30-13:30)
La stratégie de l’ANSM pour l’utilisation du SNIIRAM (13:40-14:40)
La stratégie de l’ANSM pour l’utilisation du SNIIRAM : Mahmoud ZUREIK (Directeur DSSE, ANSM) 
Utilisation des bases de l’Assurance Maladie pour la surveillance de l’utilisation des médicaments et l’évaluation des risques associés : l’expérience de la plateforme DRUGS-SAFE : Antoine PARIENTE (Inserm U-1219)
Plateforme PEPS : Emmanuel OGER (UPRES-EA 7449 REPERES)
PEPS est un consortium d’équipes de recherche (UPRES-EA 7449 REPERES, IRISA UMR-6074, LTSI UMR-1099, METIS / EHESP, Equipe ESTHER, CESP UMR-1018, IRT b<>com). PEPS décline 3 axes : (1) Exploiter les données du SNIIR-AM pour réaliser des travaux de pharmaco-épidémiologie; (2) Développer une « boîte d’outils » génériques (outils de visualisation, méthodes d’enrichissement des données, algorithmes d’analyse de données massives) investissement indispensable pour aider à l’exploitation du SNIIR-AM; (3) Former de futurs chercheurs en épidémiologie et en économie de la santé et les futurs acteurs du système de santé, aux potentialités et aux limites du SNIIR-AM.
Accéder aux données (14:45-16:30)
Utilisation des bases de données de l’assurance maladie pour l’évaluation des performances comparatives des médicaments commercialisés : l’expérience de Bordeaux PharmacoEpi : Nicholas MOORE (Inserm CIC-P 1401)
Extraction physique ad-hoc : André HAPPE (PEPS / UPRES-EA 7449 REPERES)
SNDS et infrastructure de service Inserm : Grégoire REY (CépiDc Inserm)
Grégoire REY, Frédérique LESAULNIER, Geoffrey NORMAND, Sophie DE-VISME, Marie LHOSMOT, Geneviève CHENE
La loi prévoit de regrouper dans un Système National des Données de Santé (SNDS) les grandes bases de données médico-administratives : SNIIRAM, PMSI, et causes de décès dans un premier temps. Dans ce contexte, suite à une enquête de besoins auprès des chercheurs, l’Inserm est à l’initiative de la création d’une infrastructure visant à proposer des services à la communauté des chercheurs en santé pour faciliter l’accès, l’appariement et l’exploitation des données du SNDS dans les meilleures conditions de sécurité. Une animation scientifique autour des grandes thématiques de traitement des données du SNDS se met également en place. L’infrastructure ouvrira graduellement ses services à l’ensemble de la communauté des chercheurs en 2017.
Table ronde : Y. CAILLE (INDS), M. GIRARD (Drees), C. GISSOT (Directeur DSES, CNAMTS), A. HAPPE, N. MOORE, G. REY, F. TUBACH (Institut de Santé Publique). Modérateur: E. Oger
Presentation INDS
Pause-café (20 minutes)
Apparier des bases de données (16:50-18:30)
Cohortes et SNIIRAM : complémentarités et apports : Marie ZINS (Université Paris Descartes, Inserm UMS 011)
Comment ? Concept, cadre réglementaire : Marc CUGGIA (Inserm U-1099)
Exemple : Étude CANARI : Lucie-Marie SCAILTEUX/Emmanuel OGER (UPRES-EA 7449 REPERES)
Dans cette étude basée sur des données de l’Assurance Maladie (SNIIRAM) liées aux données de tous les laboratoires d’anatomopathologie de Bretagne, incluant 74 596 hommes vivant en Bretagne, avec au moins un remboursement pour un médicament autorisé pour une hypertrophie bénigne prostatique symptomatique et sans cancer de la prostate en 2010-2011, 859 cas incidents de cancer de la prostate (en 2012-2013) ont été identifiés et liés à des résultats anatomopathologiques; cinq témoins (n = 4295) par cas ont été choisis au hasard parmi les hommes de même âge.
Table ronde : A. DOUSSIN (Santé Publique France), M. CUGGIA, E. OGER, M. ZINS, Modérateur: A. Dupuy
Mardi 27 juin 2017 matin
Faciliter l’exploitation : outils de visualisation (09:00-10:20)
Visualisation de la population à l’individu : André HAPPE & Erwan DREZEN (PEPS / UPRES-EA 7449 REPERES)
Le volume du SNIIRAM rend difficile une appréhension intuitive des données et nécessite souvent une solide expertise en data management. Aussi, le besoin d’outils de médiation autour des données du SNIIRAM semble émerger naturellement afin que les utilisateurs de différents profils (épidémiologiste, clinicien, …) puissent exploiter plus simplement ces données. Plus particulièrement, des outils de visualisation ont été développés dans ce cadre et permettent aujourd’hui d’appréhender ces données, à la fois du point de vue populationnel et individuel.
Visualization of temporal patterns in patient record data : Catherine PLAISANT (University of Maryland)
Visualization contributes to a variety of tasks, from reviewing individual patient records to helping researchers assess data quality, find patients of interest, review temporal patterns and anomalies or understand differences between cohorts. We will review some of visualization techniques developed at the University of Maryland and focus on the analysis of sequences of events found in health data, with life demonstrations and case studies reports.
Keywords: Temporal patterns, electronic health record, interactive exploration, case studies, cohort comparison
Catherine Plaisant is a Senior Research Scientist at the Human-Computer Interaction Lab of the University of Maryland Institute for Advanced Computer Studies. She has written over 160 refereed technical publications on diverse subjects such as information visualization, evaluation methods, medical informatics, accessibility or technology for families. She co-authored with Ben Shneiderman the last three editions of Designing the User Interface, one of the major books on the topic of Human-Computer Interaction. In 2015 she was elected to the ACM SIGCHI Academy (recognizing principal leaders in the field of Human-Computer Interaction).
Table ronde : C. PLAISANT, N. JAY (Université de Lorraine), S. GAIFFAS (CMAP, Ecole Polytechnique), A. HAPPE, E. DREZEN. Modérateur : T. Guyet
Pause-café (20 minutes)
Modélisation et analyse des données (10:50-12:30)
Modélisation et analyse des trajectoires de soins par Treillis de concepts. : Nicolas JAY (Université de Lorraine)
La trajectoire de soins est un concept complexe, multidimensionnel, et d’une grande variabilité. Dans cet présentation, nous proposons une approche fondée sur l’Analyse Formelle de Concepts pour décrire, analyser et visualiser des trajectoires de soins reconstituées à partir des grandes bases de données médico-administratives, avec plusieurs exemples basés sur le PMSI.
Utilisation de techniques big data sur le SNIIRAM : le partenariat X / CNAMTS : Stéphane GAIFFAS (CMAP, Ecole Polytechnique)
Pendant cet exposé, nous allons décrire une partie du travail effectué dans le cadre d’un partenariat entre l’Ecole polytechnique et la CNAM.
Nous décrirons succinctement l’exportation dans un format brut des tables (pour sortir de l’écosystème SAS/Oracle), et leur restructuration dans un format distribué et adressable avec Apache Spark. Nous décrirons aussi la méthodologie proposée, basée sur une méthode de Self-Control Case Series, et les résultats obtenus à partir de ces données, pour l’identification automatique de médicaments avec effets indésirable potentiellement dangereux.
Analyse des parcours de soins vus par le SNIIRAM – Enjeux et défis de la recherche en informatique : Erwan DREZEN (PEPS / UPRES-EA 7449 REPERES) & Thomas GUYET (LACODAM, IRISA/Inria)
La base de données SNIIRAM rapproche concrètement le travail de l’épidémiologiste vers celui de data scientist (analyste de données). Celui-ci doit disposer d’outils informatiques lui permettant d’exploiter, de manière flexible et efficace, l’information contenue dans cette base. Cette présentation vise à présenter les enjeux et défis informatiques sur l’originalité permise par le SNIIRAM: l’analyse de parcours de soins. Ces objets sont complexes à représenter et à manipuler. Nous présenterons les directions de recherche en informatique entreprises dans le cadre du développement de la plateforme PEPS.
Table ronde : C. PLAISANT, N. JAY, S. GAIFFAS, T. GUYET, E. DREZEN. Modérateur : A. Happe.
Conclusion
Déjeuner (12:30-14:00)
