Interventions non pharmacologiques: gestion et exploitation des données

par Loc Nguyen

Projet de thèse en Informatique

Sous la direction de Anne Laurent et de Gregory Ninot.

Thèses en préparation à Montpellier , dans le cadre de École Doctorale Information, Structures, Systèmes (Montpellier ; 2015) , en partenariat avec Laboratoire d'Informatique, Robotique et Micro-électronique de Montpellier (laboratoire) et de Département Informatique (equipe de recherche) depuis le 01-10-2015 .


  • Résumé

    Dans le cadre de la santé, les interventionnelle non médicamenteuse (INM) suscitent de plus en plus d'intérêt. Ils sont en effet un complément essentiel à la médecine curative, en particulier pour améliorer la qualité de vie ou même l'espérance de vie. Cependant, les données liées à cette zone ont été moins explorées que les données basées sur la biologie, la chimie et la médecine. Même si ces données peuvent être prises à partir de sources de données similaires et traitées de manière similaire, aucune solution n'est encore disponible pour les exploiter pleinement. Ces informations sont souvent basées sur des données textuelles. En particulier, les vocabulaires ne sont pas encore partagés. De plus, le franchissement des données, l'exploitation minière, la recommandation et l'édition sont encore difficiles. Cette thèse vise donc à explorer les moyens de gérer et d'exploiter les données sur les INM. Dans le cadre de cette thèse, les travaux seront menés dans le cadre du laboratoire LIRMM et de la plateforme CEPS afin de partager les preuves de l'efficacité, des avantages / risques, de la sécurité et du coût / efficacité des INM, en discutant des protocoles de recherche conduisant à l'administration De la preuve et la compréhension des principaux mécanismes d'action impliqués dans les INM.

  • Titre traduit

    Non-Pharmacological Interventions: Managing and Exploitation the Data


  • Résumé

    In the framework of health, Non-Pharmacological Interventions (NPIs) are attracting more and more interest. They are indeed an essential complement to curative medicine, especially for improving the quality of life or even life expectancy. However, the data connected to this area have been less explored than the data based on biology, chemistry and medicine. Even if such data can be taken from similar data sources and treated in a similar manner, no solution is yet available to fully exploit them. These information are often based on textual data. In particular, the vocabularies are not yet shared. Moreover, data crossing, mining, recommending and publishing is still difficult. This PhD thesis thus aims at exploring the ways to manage and exploit data on NPIs. In the framework of this thesis, the work will be conducted in the framework of the LIRMM lab and the CEPS platform aiming at sharing evidence of the efficacy, benefits/risk, safety and costs/effectiveness of NPIs, discussing research protocols leading to the administration of evidence, and understanding the main action mechanisms involved in NPIs.