clinityx
Nous regroupons l'ensemble des compétences et expertises nécessaires aux nouveaux standards des données de vie réelles !

Dans le cadre de ses activités de bureau d'étude, Clinityx a mis en place un portail de transparence: Semaphore. Vous pouvez sur ce portail, accéder à de plus amples informations sur les analyses et traitement de données de santé que nous menons en tant que Responsable de Traitement et Responsable de la mise en oeuvre de traitement.
Bureaux d’étude RERC2018018
6 appariements probabilistes, 1 appariement nir
13 algorithmes de ml en production
Une équipe pluridisciplinaire composée d'épidémiologistes, développeurs, data engineers, data scientists
Une compréhension très fine du fonctionnement du système de santé et des enjeux des industriels
Des technologies innovantes: EHR & télémédecine (Hemolia), EDC et infrastructure (Clinigrid). Une maitrise des techniques innovantes de machine learning et d'intelligence artificielle permettant de développer des algorithmes pour enrichir et analyser les données
Des plateformes & infrastructures techniques pour héberger ("Bulle sécurisée") les données de santé & SNDS Fils, automatiser le data management et analyser les données
Identification des facteurs de risques, quantification et description de population cible, fardeau de la maladie, description du parcours de soins, valorisation économique de la prise en charge, études de bon usage, …
Etudes observationnelles de cohortes, descriptives ou comparatives, transversales ou longitudinales, études cas-témoins, modèles de survie, …
Types de données de santé: cliniques, biologiques, génomiques, radiologiques et médico-administratives
Sources de données de santé: entrepôts, registres, cohortes existantes ou à construire, SNDS (PMSI, SNIIRAM)
Dossiers de spécialité dans des hôpitaux ou cliniques, EDC pour des études de phase III randomisée, First in Man, entrepôt de données de santé...
Notre ambition est de rendre la collecte des données structurées plus simple, plus rapide tout en assurant la qualité des données et le strict respect des règlementations applicables.
Les solutions de collecte de données de santé proposées par Clinityx sont
validées (VSI, GAMP5) et s’adaptent à tous les besoins.
Le traitements de données de santé de vie réelle imposent de disposer de plateformes extrêment sécurisées et scalable face aux importants volumes de données traitées. Clinityx a conçu et déployé, en collaboration avec des hébergeurs certifiés (HDS), une architecture scalable et sécurisée pour déployer, à la volée, des «bulles sécurisées». Ces environnements, conformes aux référentiels de sécurité, font l’objet d’audits de sécurité pluri-annuels.
A chaque projet, sa bulle sécurisée et son autorisation CNIL sur la base d’un PIA, d’une analyse de risques eBIOS et d’une auto-homologation produits par Clinityx.
Fruit de la capitalisation de nos projets SNDS, Atlas automatise un ensemble d’étapes pour générer des bases d'analyses à partir des données brutes des tables du SNDS et bases de données des registres.
Après la réception d’un SNDS Fils au format CSV ou SAS, le pipeline assure la conversion des données au format Parquet. Parquet est un format de données optimisé pour le traitement d’importants volume de données. Parquet assure également une compression des données et permet ainsi une réduction de l’espace nécessaire à leur stockage.
Le pipeline automatise les contrôles traditionnellement gérés par un data manager et la production des analyses statistiques.
Modéliser un phénomène, identifier un motif récurrent de parcours de soins ou de traitements, identifier un profil de patients plus sujet à une forme grave de la pathologie, identifier des facteurs causaux de survenue d'évènements clés dans la vie d'un patient (décès, AVC, hospitalisations, ...), évaluer l'incidence et la prévalence d'une pathologie sont autant de problématiques auxquelles le SNDS, apparié ou non à une cohorte, pourra répondre. Plusieurs approches peuvent être envisagées selon la complexité de votre problématique et des caractéristiques du jeu de données (taille, qualité, représentativité,…).
Les méthodes de biostatistiques usuelles: analyse de survie (Kaplan Meier, Modèle de Cox), modèles inférentiels (Modélisation Bayesienne) permettent de modéliser un phénomène et de comprendre les impacts pronostics d’un évènement ou encore de modéliser un processus décisionnel, processus diagnostic notamment.
Les méthodes de Machine learning interviennent lors de questionnements et d’analyses plus exploratoires ou bien dans la modélisation/prédiction de phénomènes complexes. L'usage des outils de Machine learning en santé necessite, en plus d'une expertise technique, une discussion permanente avec les épidémiologistes et médecins afin de garantir la pertinence du modèle construit. Clinityx collabore avec toutes ces expertises pour apporter un cadre complet pour exploiter pleinement vos données et répondre avec rigueur à vos problématiques.
Clinityx vous accompagne tout au long de votre réflexion en mettant à votre disposition l'expérience que nos data-scientists et data-ingenieurs ont pu acquérir sur le SNDS après le traitement des données de plus de 3,000,000 de patients (Quelles sont les métriques pertinentes ? Quels sont les indicateurs les plus fiables/consolidés que vous pourrez exploiter et ceux qui sont à éviter ?). La construction d'un plan d'analyse qui remplisse vos attentes tout en restant adapté à la qualité des données à disposition est notre priorité.