EDP Sciences logo
Authentification abonné
Rechercher
Menu
Accueil Tous les numéros Volume 37 / Numéro 3 (Mars 2021) Med Sci (Paris), 37 3 (2021) 271-276 Références
Open Access
Numéro
Med Sci (Paris)
Volume 37, Numéro 3, Mars 2021
Page(s) 271 - 276
Section Repères
DOI https://doi.org/10.1051/medsci/2021016
Publié en ligne 19 mars 2021
  1. Arrêté du 21 avril 2020 complétant l’arrêté du 23 mars 2020 prescrivant les mesures d’organisation et de fonctionnement du système de santé nécessaires pour faire face à l’épidémie de covid-19 dans le cadre de l’état d’urgence sanitaire. https://www.legifrance.gouv.fr/loda/id/JORFTEXT000041812657/. [Google Scholar]
  2. Rapport Health Data Hub, mission de préfiguration. https://solidarites-sante.gouv.fr/IMG/pdf/181012_-_rapport_health_data_hub.pdf. [Google Scholar]
  3. Kruse CS, Goswamy R, Raval Y, Marawi S. Challenges and opportunities of big data in health care: a systematic review. JMIR Med Inform 2016 ; 4 : e38. [Google Scholar]
  4. Le L, Wang X, Carneiro G, Yang L, Eds. Deep learning and convolutional neural networks for medical imaging and clinical informatics. Springer Nature Switzerland AG, 2019 : 462 p. [Google Scholar]
  5. Leung TI, Dumontier M. FAIR Principles for clinical practice guidelines in a learning health system. Stud Health Technol Inform 2019 ; 264 : 1690–1691. [Google Scholar]
  6. Da Silva Santos LOB, Wilkinson MD, Kuzniar A, Kaliyaperumal R. FAIR data points supporting big data interoperability. In: Zelm M, Doumeingts G, Mendonça JP, eds. Enterprise interoperability in the digitized and networked factory of the future. Londres : ISTE Press Editors, 2016 : 270–9. [Google Scholar]
  7. Bates DW. Commentary: the role of ‘technovigilance’ in improving care in hospitals. Milbank Q 2013 ; 91 : 455–458. [Google Scholar]
  8. Cabitza F, Zeitoun JD. The proof of the pudding: in praise of a culture of real-world validation for medical artificial intelligence. Ann Transl Med 2019 ; 7 : 161. [Google Scholar]
  9. Madec J, Bouzillé G, Riou C, et al. eHOP clinical data warehouse: from a prototype to the creation of an inter-regional clinical data centers network. Stud Health Technol Inform 2019 ; 264 : 1536–1537. [Google Scholar]
  10. Heudel P, Livartowski A, Arveux P, et al. The ConSoRe project supports the implementation of big data in oncology. Bull Cancer (Paris) 2016 ; 103 : 949–950. [Google Scholar]
  11. Jannot AS, Zapletal E, Avillach P, et al. The Georges Pompidou university hospital clinical data warehouse: a 8-years follow-up experience. Int J Med Inf 2017 ; 102 : 21–28. [Google Scholar]
  12. Kogan NE, Clemente L, Liautaud P, et al. An Early warning approach to monitor covid-19 activity with multiple digital traces in near real-time. ArXiv juillet 2020. [Google Scholar]
  13. Poirier C, Lavenu A, Bertaud V, et al. Real time influenza monitoring using hospital big data in combination with machine learning methods: comparison study. JMIR Public Health Surveill 2018 ; 4 : e11361. [CrossRef] [PubMed] [Google Scholar]
  14. Weber GM, Mandl KD, Kohane SI. Finding the missing link for big biomedical data. JAMA 2014 ; 311 : 2479–2480. [PubMed] [Google Scholar]
  15. Zins M, Cuggia M, Goldberg M. Les données de santé en France. Abondantes mais complexes. Med Sci (Paris) 2021; 37 : 179–84. [EDP Sciences] [PubMed] [Google Scholar]

Les statistiques affichées correspondent au cumul d'une part des vues des résumés de l'article et d'autre part des vues et téléchargements de l'article plein-texte (PDF, Full-HTML, ePub... selon les formats disponibles) sur la platefome Vision4Press.

Les statistiques sont disponibles avec un délai de 48 à 96 heures et sont mises à jour quotidiennement en semaine.

Le chargement des statistiques peut être long.