Spam
Santé, population et analyses mathématiques

mise à jour : avril 2017

Si l'ère du Big Data offre une mine de données d'une richesse considérable, elle place ceux qui veulent en tirer parti devant une série de difficultés :

  • Grande masse de données à analyser
  • Diversité des méthodes d'analyse applicables
  • Coût élevé des expérimentations « dans la vraie vie »
  • Complexité de l'interprétation des données de santé
  • Complexité de la prise de décision en situation de crise.

Il s'agit bien en effet de rassembler, comprendre et analyser les données disponibles puis réaliser des expériences « in silico » avant de les mettre en œuvre :

  • Cohorte in silico
  • Simulation socio-technique d'épidémie avec un modèle multi-agents
  • Compréhension de la signification médicale des résultats.

Open Rome grâce à sa collaboration avec les soignants libéraux et les chercheurs universitaires est en mesure de réaliser ainsi :

  • La collecte et l'analyse épidémiologique des données
  • La modélisation médico-économique
et, grâce à un simulateur socio-technique multi-agents développé par Open Rome (actuellement en phase d'évaluation), de pratiquer plusieurs simulations en faisant évoluer à volonté les paramètres en présence (scénarii, maladies, systèmes de santé, etc.).