L'interopérabilité est essentielle pour produire des ensembles de données de santé propres, cohérents et exploitables. Ce module présente les principales normes de données qui régissent la documentation clinique, les diagnostics, la facturation et la communication entre les systèmes. Les apprenants découvrent des systèmes de codage tels que la CIM-10, SNOMED CT, le CPT et LOINC, ainsi que des cadres d’interopérabilité tels que HL7 v2, HL7 v3 et FHIR. Le module explique pourquoi la normalisation est nécessaire, en quoi les normes de vocabulaire et de messagerie diffèrent, et comment les problèmes d’interopérabilité peuvent limiter les analyses. À travers des exemples et des travaux pratiques, les apprenants s’entraînent à transposer des concepts cliniques dans des formats normalisés et examinent les structures de ressources FHIR. À l’issue de ce module, les apprenants comprendront comment les normes permettent l’intégration des données, réduisent l’ambiguïté et favorisent des analyses évolutives au sein des établissements de santé.

Avant de pouvoir procéder à toute modélisation prédictive ou analyse, les données de santé doivent être nettoyées, transformées, alignées et validées. Ce module aborde les techniques fondamentales de prétraitement en mettant l’accent sur les défis propres au secteur de la santé : les schémas de données manquantes, les séries chronologiques irrégulières, les mesures incohérentes et l’ingénierie des caractéristiques à partir de dossiers épisodiques. Les apprenants travailleront de manière pratique sur de véritables ensembles de données de santé afin d’effectuer des tâches de nettoyage des données, de créer des caractéristiques dérivées et d’évaluer l’alignement temporel des dossiers longitudinaux. Le module explore également les étapes de préparation nécessaires à la dépersonnalisation et à la préservation de la confidentialité, conformes à la loi HIPAA, qui doivent être réalisées avant toute analyse. À l’issue de ce module, les apprenants disposeront des compétences pratiques nécessaires pour convertir des données cliniques brutes en un ensemble de données analytiques structuré et de haute qualité, adapté aux tâches de modélisation abordées dans les cours suivants.

Dans ce dernier module, vous consoliderez vos acquis en réalisant un projet final pratique. Dans le cadre de ce projet, vous mettrez en application les connaissances acquises tout au long de la formation pour constituer un ensemble de données analytiques sur la santé à partir de données brutes provenant de plusieurs sources. Pour ce faire, vous devrez nettoyer, intégrer, normaliser et préparer ces données en vue de leur modélisation et de leur analyse en aval. En travaillant sur un ensemble de données de santé provenant de sources multiples, vous appliquerez des techniques de prétraitement, attribuerez des normes de codage, résoudrez les problèmes de qualité des données et veillerez à ce que leur traitement et leur anonymisation soient conformes à la loi HIPAA. Le module se termine par un résumé du cours, un glossaire des termes clés et un examen final conçu pour évaluer votre compréhension conceptuelle de l'ensemble des modules.