La qualité des données de santé ? pour qui ? pour quoi ? comment s’y prendre ?

La diversité des sources de données dites de « vie réel » promet d’améliorer les capacités à soutenir non seulement la recherche, mais aussi les politiques de santé, la gestion et la pratique clinique. La réalisation de cette promesse nécessite l’utilisation combinée de données provenant de toutes les sources d’information (et pas uniquement celles hospitalières ou de médecine de ville) pour une description détaillée de l’état clinique des patients. La confiance dans ces données n’est pas encore acquise. Il existe en effet une remise en question croissante des analyses (incluant les prédictions par les algorithmes d’intelligence artificielle) issues de ces données, la transparence est nécessaire tout au long du processus de l’utilisation de la donnée, de la manière dont elle est collectée et intégrée à la manière dont elle est analysée. La qualité de la donnée est ainsi centrale. Ce webinaire discutera des enjeux de cette notion de « qualité des données » au vue de la grande diversité des acteurs (producteur et utilisateur des données) et des besoins d’analyses. Seront ainsi aborder les questions: comment concilier les différents besoins en matière de qualité de données ? et comment améliorer la transparence des analyses grâce à notre capacité à mieux identifier des données de vie réel de qualité?
JEAN NOËL NIKIEMA
Jean Noël Nikiema est professeur adjoint en santé numérique et analyse de mégadonnées au département de gestion, d’évaluation et de politique de santé (DGEPS) de l’École de Santé publique de l’université de Montréal (ESPUM). Il est également chercheur régulier au Centre de Recherche en Santé Publique (CRESP) et co-directeur du Laboratoire Transformation numérique en santé (LabTNS). Il est spécialiste en terminologies et ontologies biomédicales. Son champ d’expertise réside dans la création ainsi que l’évaluation de la qualité et de l’interopérabilité des terminologies et ontologies biomédicales. Il s’intéresse également à l’utilisation de ces ressources dans le traitement automatique de la langue, l’extraction automatique de connaissance ainsi que l’intégration des informations en santé.