Clinityx et le SNDS :
En 2016, la loi de modernisation du système de santé a permis de créer le SNDS (Système national des données de santé).

Cette base de données sécurisée, exceptionnelle par sa taille et son exhaustivité, regroupe le SNIIRAM (Système national d’information inter-régimes de l’Assurance maladie), le PMSI (Programme de médicalisation des systèmes d’information), le CepiDC (Certification électronique des causes de décès), ainsi que d’autres données en cours de consolidation.

Le SNDS contient désormais 66 millions de personnes, 1,2 milliard de feuilles de soins par an et 11 millions de séjours hospitaliers, ce qui en fait la base de données médico-administratives la plus importante du monde. Parallèlement, la France s’apprête à mettre en place le Health Data Hub, visant à favoriser l’exploitation des données de santé. Cette double volonté signe donc l’ouverture des données à l’ensemble des acteurs et à ceux qui, comme Clinityx, participent à leur expansion et à leur exploitabilité.

Pour Clinityx, l’ouverture du SNDS constitue une formidable opportunité de l’apparier avec des études, cohortes et registres :

Enrichir les données de l’étude ou du registre ;

Compléter/prolonger/remplacer le suivi par les centres;

Étudier de manière approfondie et exhaustive les
trajectoires de soins.

 

Un accroissement du volume de données disponibles qui :

Ouvre les portes de nouvelles techniques de traitements
statistiques et d’apprentissage automatisé

Impose parfois de changer de paradigme technologique

 

Pour réaliser ces traitement innovants, Clinityx a architecturé l’infrastructure technique adéquate, en toute indépendance. Cette infrastructure, ou bulle sécurisée, (Première bulle homologuée par la CNIL) pour un premier appariement avec un SNDS Fils permet de profiter des dernières technologies (Hadoop, Spark, Python, Scala) pour traiter ce volume de données inédit dans le secteur de la santé.

Proposition de collaboration

Qu’il s’agisse de projet de recherche clinique, d’une étude post-inscription ou d’accès au marché, Clinityx intervient à toutes les étapes de votre projet :

Etape 1

Identification et audit
des données cliniques

Etape 2

Gestion de l'accès
au SNDS

Etape 3

Mise en oeuvre de l'infrastructure
de traitement des données

Etape 4

Data processing,
Data sciences et statistiques

Contextes : Appariement SNDS, développement d’un algorithme d’aide au diagnostic

Les études, sur PMSI et SNIIRAM en unique support, induisent de nombreux biais par l’absence de contexte clinique patients. L’usage d’une source de données cliniques, support des dossiers HAS ou ANSM, confère à vos analyses une pertinence et une valeur ajoutée appréciée.

Grace à son indépendance et sa connaissance approfondie des données issues du soin, Clinityx a développé une méthode d’identification, d’audit et d’analyse des données, tant hospitalières qu’issues des études cliniques. Ces audits permettent de trouver des solutions d’amélioration pour une intégration homogène des données, et d’évaluer les méthodes d’appariement avec le SNDS.

Cette démarche offre un excellent rendement financier et temporel face à l’option traditionnelle qui consiste à créer une nouvelle base de données et à y inclure des patients.

Pour cela, nous vous proposons :

D’identifier une base de données déjà constituée ;

D’auditer cette base pour savoir si :

Sur un plan règlementaire et qualitatif, elle est exploitable ;

Si elle contient les données permettant de répondre aux problématiques rencontrées

Si l’appariement avec les SNDS permet d’obtenir toutes les données nécessaires ;

Si oui, est-ce que cet appariement est possible (grâce à la présence de variables d’appariement dans cette base) ?

Contextes : Appariement SNDS, étude RWE (SNDS, EGB ou PMSI)

1. Définition et dimensionnement de l’infrastructure de traitement des données

2. Soumissions CEREES, homologation CNIL et conventionnement CNAM

3. Expression du besoin et modalités d’appariement

Contextes : Appariement SNDS, étude RWE (SNDS, EGB ou PMSI)

1. Suivi du plan d’action en conformité avec l’analyse de risques

2. Déploiement et configuration de l’infrastructure dans notre « bulle »

3. Chargement des données du SNDS

Contextes : Tout traitement sur une base de données

Nous développons des algorithmes de classification, de régression, des modèles prédictifs, des algorithmes d’aide au diagnostic. Nous traitons les données à des fins statistiques via des méthodes classiques et des méthodes de Machine Learning.

1. Data Processing des données – Contrôle, nettoyage et transformation des données pour disposer d’un modèle optimal pour les traitements

2. Exécution de la pipeline de linéarisation du SNDS

3. Analyses statistiques et Data sciences

4. Implémentation et exécution des algorithmes : Python, PySpark, Scala

5. Rédaction de rapports d’analyses

Ils utilisent Hemolia

societe-francaise-cardiologie@2x
carmat@2x
CERC@2x
abbott@2x
cordis@2x
biotronik@2x