Quelques termes liés aux données et à la santé

L'IA générative est un type de technologie qui peut créer des choses, comme du texte, des images, de la musique ou même des vidéos. Cela fonctionne en apprenant des modèles à partir d'exemples, puis en utilisant ces connaissances pour créer quelque chose de nouveau. Pensez-y comme un assistant créatif super avancé. Il ne «pense» pas comme une personne, mais il est excellent pour repérer les modèles et les imiter pour générer du contenu qui se sent fait par l’homme. Par exemple: Si vous lui donnez beaucoup de photos de chats, il peut apprendre à quoi ressemblent les chats et dessiner une image complètement nouvelle d'un chat. Si vous lui donnez du texte, il peut apprendre comment les phrases sont structurées et vous aider à écrire un e-mail, une histoire ou même répondre à des questions.

L'agrégation de données est quand vous prenez beaucoup de petits morceaux d'information et les combinez dans un plus grand résumé. C’est comme collecter des pièces de puzzle et les assembler pour voir la situation dans son ensemble. Par exemple: Si vous collectez des données sur les températures quotidiennes de différentes villes, vous pouvez les agréger pour trouver la température moyenne pour l'ensemble du pays. Au lieu de regarder chaque détail, vous pouvez vous concentrer sur les tendances ou les modèles globaux. Il est plus facile d’analyser des données résumées que des milliers de points individuels. En bref, l'agrégation de données transforme beaucoup de petits morceaux de données en quelque chose de plus utile et facile à comprendre.

L’altruisme en matière de données est défini comme «les individus et les entreprises peuvent volontairement mettre des données à disposition pour le bien commun». Elle met l’accent sur la réutilisation sûre des données du secteur public et sur l’établissement de conditions de concurrence équitables dans l’économie fondée sur les données en promouvant le partage des données et en réduisant les obstacles à l’accessibilité des données.

L'analyse de données fédérées est une méthode d'analyse de données stockées dans différents emplacements ou systèmes sans déplacer ou centraliser les données. Au lieu d'amener toutes les données à un seul endroit, l'analyse est effectuée là où les données sont stockées, et seuls les résultats sont combinés. Cette approche est souvent utilisée pour maintenir la confidentialité et la sécurité des données. De cette façon, les données restent dans leur emplacement d'origine et les informations sensibles sont protégées. Imaginez que vous avez des pièces de puzzle réparties dans différentes pièces. Au lieu de rassembler toutes les pièces dans une seule pièce, vous allez dans chaque pièce, analysez les pièces, puis ramenez juste les conclusions pour voir l'image complète. Dans les soins de santé, les hôpitaux peuvent utiliser l'analyse de données fédérées pour étudier les tendances des patients sans partager les dossiers sensibles des patients. Chaque hôpital analyse ses propres données localement, et seules les conclusions agrégées sont partagées.

Les données peuvent être considérées comme anonymes ou anonymisées, s’il n’est pas possible de «se séparer» des personnes avec les données fournies et lorsque les mécanismes d’anonymisation appliqués sont irréversibles. Les données anonymes ne sont pas des données identifiables dès le début, tandis que les données anonymisées sont des données initialement identifiables mais pour lesquelles un processus a été mis en place pour les rendre plus identifiables. (RGPD: art. 4(5)).

L'apprentissage automatique (ML) est un type de technologie qui permet aux ordinateurs d'apprendre et de s'améliorer par l'expérience sans être explicitement programmé. Au lieu de donner à l'ordinateur des instructions étape par étape, nous lui fournissons des données et lui permettons de trouver des modèles ou des solutions par lui-même. Un système d'apprentissage automatique utilise des exemples (données) pour comprendre et prédire les résultats ou prendre des décisions. Un exemple quotidien est les systèmes de recommandation comme Netflix suggérant des films.

Une autorisation de traitement de données est une approbation officielle qui permet à une personne ou à une organisation d'utiliser des données de santé électroniques spécifiques à certaines fins. Cette autorisation est délivré par un organisme d’accès aux données de santé et décrit quelles données peuvent être consultées, qui peut les utiliser et dans quelles conditions.

La collecte de données est le processus de collecte d'informations afin que vous puissiez l'utiliser pour apprendre quelque chose, prendre des décisions ou résoudre des problèmes. L'objectif de la collecte de données est de recueillir des informations précises et pertinentes qui peuvent être utilisées pour l'analyse, la prise de décision ou l'amélioration. Cela peut se faire de plusieurs façons: enquêtes ou entretiens; observer et enregistrer les comportements; capteurs, comme les moniteurs météorologiques ou les caméras de circulation. En bref, la collecte de données consiste simplement à rassembler les faits dont vous avez besoin pour répondre à une question ou atteindre un objectif.

La culture des données concerne la façon dont les membres d'une organisation ou d'une communauté valorisent et utilisent les données dans leur travail quotidien et leur prise de décision. Construire une culture des données ne consiste pas seulement à disposer des bons outils ou de la bonne technologie: il s’agit également d’encourager les citoyens à faire confiance aux données et à les utiliser comme partie intégrante de leur mode de fonctionnement. Dans les soins de santé, cela pourrait signifier l'utilisation des données des patients pour améliorer les traitements et les résultats.

Data mining ou exploration minière de données. L'extraction de modèles à partir de grandes quantités de données non structurées est appelée exploration de données ou analyse de données. Cela se fait de plus en plus grâce à des méthodes telles que l'intelligence artificielle et l'apprentissage automatique. Dans les soins de santé, l'extraction de données joue un rôle de plus en plus important dans les soins aux patients et la médecine prédictive, ainsi que dans la recherche médicale. Par exemple, la demande d’informations fiables sur la santé a considérablement augmenté pendant la pandémie de COVID-19. De nombreux systèmes de santé ne pouvaient toutefois pas assurer la circulation des données et des informations nécessaires entre les prestataires et les organismes de santé publique, ce qui rendait difficile la détection des schémas et leur interprétation pour obtenir des informations exploitables.

DCAT-AP est l'acronyme de Data Catalog Vocabulary Application Profile. Il est développé et maintenu par la Commission européenne pour une Europe interopérable. Il s'agit d'une approche normalisée pour décrire les ensembles de données du secteur public, permettant aux données provenant de diverses sources d'être facilement localisées, consultées et réutilisées par diverses applications et parties prenantes. Il fournit une base commune pour une description normalisée des métadonnées et des ensembles de données en Europe afin d'améliorer l'interopérabilité et de faciliter l'échange de données par-delà les frontières et les domaines.

La désidentification est le processus de suppression ou de masquage des renseignements personnels d'un ensemble de données afin que les personnes ne puissent plus être facilement identifiées. C’est un moyen de protéger la vie privée tout en permettant aux données d’être utiles pour l’analyse ou le partage. C’est comme brouiller le visage d’une personne sur une photo – vous pouvez voir la photo, mais vous ne pouvez pas dire qui est la personne. Un hôpital peut dépersonnaliser les données des patients en supprimant les noms et les numéros de dossiers médicaux avant de les partager avec les chercheurs.

Un détenteur de données est une entité (comme une personne, une organisation ou un système) qui stocke ou gère des données. Un détenteur de données garde les données en sécurité et organisées. Il décide de la manière de gérer, de partager ou de protéger ces données sur la base de règles ou de lois. Les exemples incluent les banques (détenir des données financières), les écoles (détenir les dossiers des élèves), ou même votre smartphone (détenir vos photos et vos contacts).

Un dossier médical électronique (DME et en anglais EHR Electronic Health Record) est une version électronique des antécédents médicaux d'un patient. Il peut inclure toutes les données cliniques administratives essentielles relatives aux soins prodigués à cette personne par un prestataire particulier, notamment les données démographiques, les notes d'évolution, les problèmes, les médicaments, les signes vitaux, les antécédents médicaux, les vaccinations, les données de laboratoire et les rapports radiologiques. Les DME sont conçus pour être utilisés par plusieurs prestataires de soins et organisations de soins de santé. Cela facilite le partage de données précises au fil du temps. Sans DME, les patients et/ou les prestataires de soins supporteraient toujours la charge administrative liée au transfert des dossiers médicaux vers un autre prestataire de soins ou plusieurs prestataires de soins.

Les données peuvent également être décrites comme des mesures ou des valeurs qui, une fois traitées, fournissent des informations. Le terme «données numériques» désigne à son tour les données stockées ou traitées par des moyens numériques. La collecte et l'analyse des données permettent des services personnalisés, des analyses prédictives et de meilleurs résultats. Alors que le volume de données générées continue de croître, son importance dans l'élaboration des politiques, l'amélioration des opérations commerciales et la promotion des progrès technologiques devient de plus en plus critique.

Les données personnelles sont toutes les informations permettant d'identifier une personne spécifique, seule ou combinées à d'autres détails. Il s'agit de différents éléments d'information qui, ensemble, peuvent conduire à l'identification d'une personne en particulier, comme votre nom, votre numéro de sécurité sociale, votre e-mail ou votre numéro de téléphone.

Les données massives font référence à de très grandes quantités d’informations, à tel point qu’elles sont trop volumineuses et complexes pour être gérées facilement par des ordinateurs ou des outils ordinaires. L’idée des données massives n’est pas seulement une question de taille, mais aussi de ce que nous pouvons en faire. En analysant ces données, nous pouvons: Trouver des modèles: Par exemple, repérer les tendances dans les habitudes d'achat ou les flux de trafic. Faire des prédictions: Comme prévoir la météo ou prédire quels produits quelqu'un pourrait acheter. Résoudre les problèmes: Par exemple, améliorer les soins de santé en analysant les données médicales ou optimiser la planification urbaine en étudiant les données démographiques. En bref, le traitement du Big Data nous aide à comprendre les énormes quantités d'informations créées chaque seconde et à les transformer en informations utiles.

Les données matures désignent des données bien organisées, fiables et prêtes à être utilisées efficacement pour la prise de décision ou l'analyse. Cela signifie que les données ont été correctement gérées au fil du temps et répondent aux normes de qualité clés, ce qui les rend fiables et précieuses.

Les données primaires se réfèrent aux données que vous collectez vous-même, spécifiquement pour un projet ou un but de recherche particulier. Il s’agit de données originales qui n’ont pas été préalablement collectées ou analysées par quelqu’un d’autre. Vous le récupérez directement auprès de la source. Les données primaires recueillent des informations de première main directement à partir du terrain, d'expériences, d'enquêtes ou d'observations. Il s’agit de nouvelles données créées spécifiquement pour répondre à votre question de recherche ou résoudre un problème spécifique. Si vous souhaitez savoir dans quelle mesure un nouveau médicament fonctionne, vous pouvez mener un essai clinique et collecter des données sur les réponses des patients et les améliorations de la santé. Ces données sont primaires parce que vous les collectez directement pour vos recherches spécifiques.

Les données secondaires se réfèrent aux données qui ont été collectées par quelqu'un d'autre dans un but différent, mais peuvent être utilisées pour de nouvelles recherches ou analyses. Ce ne sont pas des données originales ou nouvellement recueillies, mais plutôt des données qui ont déjà été collectées et qui sont maintenant réutilisées. Les données secondaires sont comme la réutilisation d'un ancien rapport ou jeu de données que quelqu'un d'autre a fait au lieu de rassembler toutes les nouvelles informations vous-même.

Les données sensibles se réfèrent à des informations particulièrement privées et confidentielles. Il s’agit de données plus privées que les données ordinaires et qui nécessitent des soins supplémentaires lorsqu’elles sont collectées, stockées ou partagées. Dans de nombreux cas, les données sensibles sont soumises à des lois et réglementations plus strictes en matière de confidentialité afin de garantir leur traitement sécurisé.

Les données sur les résultats désignent l'information qui mesure les résultats ou les effets d'actions, d'interventions ou de processus particuliers. Il est utilisé pour comprendre si les objectifs ont été atteints et pour évaluer l’efficacité des programmes, des traitements ou des décisions. Les données sur les résultats répondent à la question suivante: «Que s’est-il passé en conséquence?» Il montre l’impact de ce qui a été fait, en aidant les personnes ou les organisations à décider de ce qui fonctionne et de ce qui doit être amélioré.

Les données synthétiques sont des informations générées artificiellement qui imitent les données du monde réel. Il est créé à l'aide d'algorithmes, de simulations ou de modèles plutôt que d'être collecté à partir d'événements ou d'observations réels. Les données sont générées sur la base de règles prédéfinies ou d'une logique qui reflète les modèles attendus. Il évite d'exposer des informations sensibles ou personnellement identifiables car elles ne sont pas basées sur des personnes ou des situations réelles.

L’objectif général de l’espace européen des données de santé (EHDS - en français EEDS) est de disposer de règles, de structures et de processus plus simples et plus sûrs dans l’ensemble des États membres de l’UE pour accéder aux données de santé électroniques et les partager par-delà les frontières. Le règlement relatif à l’EHDS prévoit des règles claires sur la manière dont les données de santé peuvent être consultées, sur la manière dont la transparence devrait être créée en ce qui concerne les objectifs d’utilisation et sur les droits des citoyens à la clarté des informations et à la non-participation à certains objectifs d’utilisation. L’EHDS fournit également un cadre juridique clair essentiel pour un échange efficace de données de santé par-delà les frontières, en veillant à ce que les données de santé soient normalisées et interopérables au niveau de l’UE. En rendant les données de santé plus accessibles au niveau de l’UE, l’EHDS supprime les obstacles au partage transfrontière des données, permettant ainsi aux chercheurs de mener des études transnationales. Celles-ci sont importantes pour les maladies rares pour lesquelles les données sont limitées, et le partage de données provenant de l’ensemble de l’UE serait très bénéfique pour soutenir la recherche dans ce domaine. Il garantit également l’utilisation des données secondaires, en veillant à ce que les chercheurs, les décideurs politiques et les organisations de patients puissent exploiter les données de santé de l’UE à des fins de recherche scientifique dans le plein respect de la vie privée d’une personne.

Un ensemble de données est simplement une collection de données connectées, généralement organisées d'une manière qui le rend facile à regarder ou à analyser. Un ensemble de données est un groupe de points de données sur un sujet. Il est généralement structuré, c’est-à-dire qu’il est disposé dans un tableau ou dans un format similaire. Vous pouvez y penser comme une feuille de calcul où les lignes et les colonnes contiennent des informations sur quelque chose de spécifique. Chaque ligne peut représenter une chose individuelle (comme une personne, un produit ou un événement), et chaque colonne représente un type spécifique d'informations sur ces choses (comme les noms, les prix ou les dates). Un rapport météorologique montrant les températures quotidiennes, l'humidité et les précipitations pendant un mois est un autre exemple d'ensemble de données.

Un espace de données est comme un environnement ou un écosystème partagé où différentes organisations ou personnes peuvent partager et utiliser des données en toute sécurité. Il repose sur des règles et des technologies qui garantissent que les données sont sécurisées, faciles d’accès et utilisées de manière responsable. L'objectif est de partager efficacement les données tout en les gardant en sécurité et en respectant la vie privée. Dans les soins de santé, un espace de données pourrait permettre aux hôpitaux, aux chercheurs et aux entreprises de partager les données des patients en toute sécurité pour améliorer les traitements, sans violer les règles de confidentialité.

Un essai clinique est un type de recherche qui teste si un nouveau médicament, un nouveau traitement ou une nouvelle approche médicale est sûr et fonctionne bien pour les gens. C’est comme une expérience soigneusement contrôlée avec de vrais patients pour trouver de meilleurs moyens de traiter ou de prévenir les maladies. Les essais cliniques aident à découvrir de meilleures façons de traiter les maladies et d'améliorer les soins de santé.

L’éthique des données se concentre sur les obligations morales que tous les acteurs de la société ont (ou devraient avoir) lors de la collecte, de la production, de l’analyse et de la diffusion de données structurées et non structurées, de données fournies par les gens ainsi que de l’exploitation des bases de données existantes, y compris les décisions fondées sur l’intelligence automatisée/artificielle (IA) en ce qui concerne les données en général et les données à caractère personnel en particulier. Elle se rapporte aux principes généraux sur lesquels nos sociétés sont bâties et est très pertinente pour instaurer la confiance et garantir l'équité. Il ne s'agit pas seulement de protéger la confidentialité ou la sécurité des données. Il s'agit également de protéger les citoyens, les clients et les utilisateurs contre les pratiques en matière de données du secteur public et du secteur privé qui ont un impact négatif sur les personnes et la société.

L'extraction de données dans la recherche implique la collecte et la récupération de données pertinentes provenant de diverses sources à des fins d'analyse, d'interprétation et de conclusion. Dans les soins de santé, l'extraction de données joue un rôle de plus en plus important dans les soins aux patients et la médecine prédictive, ainsi que dans la recherche médicale.

La FAIRification des données fait référence au processus de mise en conformité des données avec les principes FAIR, qui visent à améliorer la convivialité des données en les rendant localisables, accessibles, interopérables et réutilisables. La repérabilité des données signifie qu'il devient plus facile pour les utilisateurs de données (humains et machines) de localiser les données dont ils ont besoin. Accroître l'accessibilité des données signifie qu'une fois que les utilisateurs de données ont localisé les données dont ils ont besoin, ils savent également comment y accéder. Accroître l'interopérabilité des données signifie que les données provenant de différentes sources deviennent compatibles et combinables avec d'autres ensembles de données et outils ou technologies. L'augmentation de la réutilisabilité des données signifie que les données peuvent être utilisées dans différentes recherches futures.

FHIR est l'acronyme de Fast Healthcare Interoperability Resources. Il s'agit d'une norme d'interopérabilité développée par HL7 (l'organisation de normalisation Health Level 7) conçue pour permettre l'échange électronique de données de soins de santé entre différents systèmes informatiques de l'industrie de la santé, quelle que soit la manière dont elles sont stockées dans ces systèmes. Il s'agit d'un ensemble de règles et de spécifications pour l'échange sécurisé de données de soins de santé électroniques. Il est conçu pour être flexible et adaptable, de sorte qu'il peut être utilisé dans un large éventail de contextes et avec différents systèmes d'information sur les soins de santé.

Un fournisseur de données est une entité (une personne, une entreprise ou un système) qui fournit ou partage des données avec d'autres. Pensez-y comme quelqu'un qui distribue des informations aux personnes qui en ont besoin. Les données peuvent être partagées gratuitement ou dans le cadre d'un service payant, selon la situation. Les données peuvent être brutes (comme des chiffres ou du texte) ou traitées (comme des rapports ou des graphiques). Les exemples incluent les services météorologiques fournissant des prévisions, les entreprises partageant des données de marché ou les applications offrant des statistiques d'utilisateurs. Par exemple, une entreprise comme Spotify pourrait être un fournisseur de données si elle donne des données de streaming musical aux artistes.

La gouvernance des données désigne la gestion globale de la disponibilité, de l'utilisabilité, de l'intégrité et de la sécurité des données collectées, utilisées et réutilisées. Il s'agit d'établir des politiques, des procédures et des normes pour s'assurer que les données sont gérées efficacement tout au long de leur cycle de vie au sein des organisations ainsi qu'à l'intérieur et entre les pays.

Les organismes responsables de l’accès aux données de santé (ORAD mais en anglais HDAB - Health Data Acces Body) assureront le suivi et contribueront à une application cohérente des règles dans l’ensemble de l’UE, y compris en conseillant la Commission européenne, tout en coopérant avec d’autres organismes et parties prenantes de l’UE (par exemple, les organisations de patients). Ils contrôlent, examinent et supervisent également le respect, par les utilisateurs de données et les détenteurs de données, des exigences du règlement relatif à l’EHDS. Cet organisme agit en tant que facilitateur pour aider les organisations à accéder en toute sécurité aux données de santé et à les partager à des fins spécifiques telles que la recherche, l'élaboration de politiques et l'innovation. Ils veillent à ce que les données de santé sensibles soient traitées avec soin, confidentialité et sécurité. En Belgique, cette responsabilité est assumée par le Belgian Health Data Access Body (Belgian HDA). Le HDA belge aide des organisations telles que les hôpitaux, les universités, les entreprises et les instituts de recherche à accéder aux données de santé de manière réglementée. Il garantit que les données de santé ne sont utilisées qu'à des fins juridiques, éthiques et scientifiques, avec toutes les garanties nécessaires en place pour protéger la vie privée des patients.

HeDERA est l'acronyme de Health Data Enabled for Re-use Across Belgium. HeDERA soutient la mission du HDA de faciliter l'utilisation secondaire des données de santé, de soins de santé et de bien-être dans un environnement sûr, uniforme et transparent. Le projet soutiendra en particulier les efforts déployés par la Belgique pour accroître la capacité de l’HDA, en garantissant sa connexion, son alignement et son interopérabilité technique avec l’espace européen des données de santé et d’autres développements européens. HeDERA est coordonné par le Service public fédéral belge (SPF) Santé, Sécurité de la chaîne alimentaire et Environnement, en partenariat avec Sciensano.

Health Level Seven International (HL7) est un organisme à but non lucratif, accrédité par l'ANSI, qui élabore des normes et se consacre à la fourniture d'un cadre complet et de normes connexes pour l'échange, l'intégration, le partage et la récupération d'informations électroniques sur la santé.

ICD (International Classification of Diseases) sert un large éventail d'utilisations à l'échelle mondiale et fournit des connaissances critiques sur l'étendue, les causes et les conséquences des maladies et des décès humains dans le monde entier grâce à des données qui sont rapportées et codées avec l'ICD. Il permet l'enregistrement, l'analyse, l'interprétation et la comparaison systématiques des données sur la mortalité et la morbidité recueillies dans différents pays ou régions et à différents moments. Il garantit également l’interopérabilité sémantique et la réutilisabilité des données enregistrées pour les différents cas d’utilisation au-delà des simples statistiques de santé, y compris l’aide à la décision, l’allocation des ressources, le remboursement, les lignes directrices, etc.

Les données provenant de différentes sources deviennent compatibles et combinables avec d'autres ensembles de données et outils ou technologies. Cela implique l'utilisation de formats, de langues et de vocabulaires normalisés.

La littératie des données fait référence à la capacité de comprendre, d'interagir avec, d'analyser et de raisonner à travers les données. Il s’agit d’interpréter les données sous différentes formes, qu’il s’agisse de graphiques, de champs de base de données, de tableaux de bord ou d’autres formats. En outre, il englobe la compétence de travailler efficacement avec des données sur une base quotidienne, en utilisant des méthodes analytiques appropriées pour extraire des idées significatives tout en abordant l'information avec une pensée critique. Cela inclut non seulement la capacité de poser des questions perspicaces et de contester les données, mais aussi la capacité cruciale de communiquer les résultats et les interprétations clairement et efficacement aux autres.

Logical Observation Identifiers Names and Codes (LOINC) est une base de données et une norme universelle pour l'identification des résultats des tests cliniques et de laboratoire médical. LOINC applique des noms de code et des identificateurs universels à la terminologie médicale liée aux dossiers de santé électroniques. Le but est d'aider à l'échange électronique et à la collecte des résultats cliniques (tels que les tests de laboratoire, les observations cliniques, la gestion des résultats et la recherche).

La maturité des données fait référence à la capacité d’une organisation à gérer, à utiliser et à tirer efficacement de la valeur de ses données. Il mesure à quel point une organisation est avancée dans le traitement des données en tant qu'actif stratégique, y compris la façon dont elle collecte, stocke, analyse, régit et utilise les données pour la prise de décision.

Les métadonnées sont des « données sur les données ». En d'autres termes, les métadonnées sont des informations qui décrivent d'autres données, aidant à expliquer ce qu'elles sont, comment elles peuvent être utilisées et où les trouver. Les métadonnées fournissent des informations précieuses mais doivent être gérées correctement pour éviter de perdre leurs avantages. Les métadonnées permettent de gérer et d'utiliser efficacement les données.

La normalisation des données consiste à organiser les données dans un format cohérent afin qu’elles soient plus faciles à comprendre, à utiliser et à partager. Cela garantit que tous ceux qui utilisent les données sont sur la même longueur d'onde, même si les données proviennent d'endroits ou de systèmes différents. La normalisation rend les données plus fiables, compatibles et plus faciles à analyser. Si un système enregistre «Union éuropéenne» comme «UE» et un autre comme «European Union», les normaliser garantit que tous les enregistrements sont cohérents, comme toujours en utilisant «Union éuropéenne». Cela permet d'éviter toute confusion, d'améliorer la précision et de faciliter l'intégration des données.

Les données ouvertes décrivent toutes les données qui peuvent être librement accessibles, (ré)utilisées et partagées par quiconque sans restrictions. Il vise à rendre les connaissances scientifiques ouvertement disponibles et accessibles à tous. L'open source désigne tout programme dont le code source est mis à disposition pour utilisation ou modification selon les besoins des utilisateurs ou d'autres développeurs. Les logiciels libres sont des logiciels informatiques développés dans le cadre d’une collaboration publique ouverte et mis gratuitement à la disposition du public.

Opt-in signifie que vous donnez votre permission ou acceptez de participer à quelque chose. Imaginez que vous recevez une invitation à rejoindre un club ou une newsletter. Si vous décidez d’adhérer, vous «optez». C’est comme si vous disiez: «Oui, je veux en faire partie.»

Opt-out ou en français droit de refus. L’EHDS impose aux États membres d’élaborer une possibilité d’opt-out pour l’utilisation secondaire des données de santé. Opt-out signifie choisir de ne pas participer à quelque chose ou dire «non» à un service, une activité ou une utilisation de vos données. Par exemple, si une entreprise vous envoie des courriels promotionnels, vous pouvez refuser de les recevoir. Dans les soins de santé, il s'agit de la possibilité de refuser ou d'arrêter certaines actions, comme l'utilisation de vos données à des fins spécifiques. La législation RGDP et EHDS donne aux gens un moyen facile de se retirer, mais il y a un risque aussi. Par exemple, si une entreprise vous envoie des courriels promotionnels, vous pouvez refuser de les recevoir. Si moins de personnes partagent leurs données, les chercheurs pourraient ne pas avoir assez d'informations pour étudier les maladies, développer des traitements et améliorer les pratiques de santé en général. En outre, si certains groupes de personnes se retirent (par exemple, des données démographiques ou des régions spécifiques), les données peuvent devenir biaisées. Cela peut conduire à des résultats médicaux qui ne s'appliquent qu'à une population étroite et excluent les groupes sous-représentés. Sans suffisamment de données, il devient plus difficile pour les organismes de santé publique de suivre les épidémies et de réagir efficacement aux crises de santé publique. Les personnes qui se retirent pourraient manquer des avantages, tels que la détection précoce de la maladie ou faire partie d'essais cliniques de pointe. L’état de santé d’une personne peut passer inaperçu si ses données ne sont pas incluses dans les dépistages ou les analyses à l’échelle de la population. Bien que la protection de la vie privée soit essentielle, il est essentiel de trouver un équilibre entre les droits individuels et les avantages collectifs pour faire progresser les soins de santé et sauver des vies.

Les personnes concernées sont les personnes qui partagent leurs données. Une personne concernée est une personne dont les informations personnelles (données) sont collectées, stockées ou traitées. Une personne concernée est l'individu sur lequel portent les données. Ils ont des droits sur leurs données, tels que savoir comment elles sont utilisées, les corriger si elles sont erronées ou demander leur suppression (en fonction de la loi/du règlement, comme le RGPD). Lorsque vous magasinez en ligne, vous êtes la personne concernée par l'historique de vos commandes, les détails de paiement et les informations d'expédition.

Une plate-forme de données fédérée est un système ou une architecture qui permet une gestion et une collaboration décentralisées des données sur plusieurs emplacements, systèmes ou organisations tout en maintenant la propriété, la sécurité et la confidentialité des données à la source. Au lieu de centraliser toutes les données dans un référentiel unique, une plate-forme fédérée permet un stockage décentralisé des données, ce qui signifie que les données restent distribuées dans différentes organisations ou appareils, mais les rend accessibles et utilisables dans toutes les entités participantes. Essentiellement, une plate-forme de données fédérée est un moyen puissant de permettre la collaboration et l'analyse dans les écosystèmes de données distribués sans compromettre la confidentialité, la sécurité ou la propriété.

Un Pod est essentiellement un conteneur dans lequel vous pouvez stocker toutes vos données à caractère personnel (photos, documents, préférences, informations sur la santé, etc.). C'est un coffre-fort de données personnelles que vous seul contrôlez. L'idée derrière est de donner aux individus le contrôle de leurs propres données personnelles d'une manière plus privée, sécurisée et interopérable par rapport aux systèmes centralisés actuels que nous utilisons couramment (comme les plates-formes de médias sociaux ou le stockage en nuage). Avec un Pod, vous avez la possibilité de contrôler qui peut accéder et utiliser vos données et dans quelles conditions. Les données peuvent être cryptées, ce qui garantit que seuls ceux qui ont les autorisations correctes peuvent y accéder. Cette décentralisation contraste avec les services traditionnels (comme Facebook ou Google), où l'entreprise détient et contrôle vos données.

La portabilité fait référence à la capacité de déplacer ou de transférer facilement quelque chose d'un endroit, d'un système ou d'un service à un autre. La portabilité des données signifie que vous avez le droit d'obtenir une copie de vos données dans un format utilisable et de les transférer vers un autre service ou une autre plate-forme. Il vous donne le contrôle sur vos informations et vous permet de changer de service sans perdre l'accès à vos données. Dans le domaine des soins de santé, il s'agit de transférer vos dossiers médicaux d'un médecin ou d'un hôpital à un autre.

La propriété des données signifie avoir le contrôle d'une donnée et le droit de décider comment elle est utilisée. Si vous « possédez » les données, vous pouvez choisir qui peut y accéder, comment les partager ou si elles peuvent être supprimées. La propriété des données vous donne le pouvoir de prendre des décisions concernant les données. Cela peut impliquer des droits légaux, des responsabilités et parfois la responsabilité de la façon dont les données sont utilisées. Nous parlons plutôt de droits et d'obligations pour les personnes concernées et les responsables du traitement, plutôt que d'utiliser le mot «propriété des données».

La pseudonymisation consiste à traiter les données de recherche de manière à ce qu'elles ne puissent plus être attribuées à une personne spécifique sans l'utilisation d'informations supplémentaires telles qu'une clé de codage. Cela implique généralement de remplacer les identifiants des données par un pseudonyme (GDRP: art. 4(5)).

La qualité des données fait référence à la qualité ou à la fiabilité des données aux fins prévues. Les données de haute qualité sont précises, complètes, cohérentes et à jour, ce qui les rend utiles pour prendre des décisions ou résoudre des problèmes. Si les données sont de mauvaise qualité, cela peut conduire à des erreurs ou à des conclusions erronées. Par exemple, si l’adresse d’un client est erronée dans une base de données d’expédition, le colis peut aller au mauvais endroit (faible qualité des données).

Quantum est une initiative européenne qui vise à créer un label commun de qualité et d'utilité pour l'Europe qui permettra son utilisation dans tous les pays à des fins d'innovation scientifique et sanitaire.

Les données en temps réel sont des informations qui sont collectées, traitées et partagées immédiatement, au fur et à mesure. Contrairement aux données stockées et analysées ultérieurement, les données en temps réel permettent aux utilisateurs de voir ce qui se passe actuellement et d’y répondre. Les données en temps réel, c'est comme obtenir une mise à jour en direct. Cela se produit maintenant et vous pouvez l’utiliser immédiatement pour prendre des décisions rapides.

Les données du monde réel (RWD) se réfèrent aux informations recueillies dans des contextes réels, en dehors d'expériences contrôlées ou d'essais cliniques. Il provient d'activités et d'interactions quotidiennes, telles que les visites chez le médecin, l'utilisation d'appareils ou le comportement sur les médias sociaux. Les données du monde réel sont des informations sur ce qui se passe dans la vie réelle, pas dans un laboratoire ou dans des conditions étroitement contrôlées. C’est comme observer les gens dans leur vie quotidienne au lieu de les étudier dans le cadre d’une expérience. Il s'agit de dossiers de patients, de réclamations d'assurance ou de données provenant d'appareils portables tels que Fitbits. Par exemple: suivre la façon dont les patients utilisent les médicaments dans leur vie quotidienne et les résultats qu'ils éprouvent.

Un responsable du traitement des données est une personne, une organisation ou une entité qui détermine la finalité et les moyens du traitement des données à caractère personnel. Le responsable du traitement des données a la responsabilité de veiller à ce que les données personnelles soient traitées conformément aux lois sur la protection des données. C'est la personne qui décide pourquoi et comment les données personnelles seront traitées.

Le RGPD (Règlement Général sur la Protection des Données) est un règlement européen sur la protection de la vie privée. Le RGPD vise à protéger les informations à caractère personnel des personnes. Il donne aux individus plus de contrôle sur la manière dont leurs données (comme les noms, les adresses, les numéros de téléphone ou même le comportement en ligne) sont collectées, utilisées et partagées. Il repose sur: Transparence: Les organisations doivent vous indiquer clairement quelles données elles collectent, pourquoi elles en ont besoin et comment elles les utiliseront. Consentement : Ils ne peuvent pas utiliser vos données à caractère personnel à moins que vous ne disiez que c’est correct, sauf dans certaines situations (comme les obligations légales). Contrôle : Vous avez le droit de voir vos données, de demander des corrections ou même de les supprimer. Sécurité : Les organisations doivent protéger vos données et signaler rapidement toute violation. Responsabilité: Les entreprises doivent respecter les règles et peuvent se voir infliger une amende si elles ne le font pas. En bref, le RGPD veille à ce que vos données personnelles soient traitées avec soin et vous donne le pouvoir de décider de ce qu'il en advient.

SHAIPED est une initiative européenne qui soutiendra la mise en œuvre synergique du règlement EHDS avec le règlement AI.

SNOMED est l'abréviation de Systematized Nomenclature of Medicine - Clinical Terms.SNOMED CT est un vocabulaire clinique structuré à utiliser dans un dossier de santé électronique. C'est le produit terminologique de santé clinique le plus complet et le plus précis au monde. SNOMED CT offre aux systèmes informatiques cliniques un langage partagé unique, ce qui rend l'échange d'informations entre les systèmes plus facile, plus sûr et plus précis. Il contient tous les termes cliniques nécessaires, des procédures et des symptômes aux mesures cliniques, aux diagnostics et aux médicaments.

Les données produites par les personnes devraient être mises à la disposition des personnes. Les bons soins de santé, la recherche scientifique pour une meilleure santé, le développement de médicaments, de produits de santé et de technologies médicales, les bonnes pratiques reposent sur l'utilisation de données et de connaissances partagées. L'assurance maladie est historiquement basée sur le fait que les gens mettent de l'argent dans une boîte, une caisse enregistreuse, et les gens peuvent prendre de l'argent de cette caisse enregistreuse quand ils sont malades. Nous avons généralisé cela à notre assurance maladie actuelle, qui est basée sur la solidarité, les gens paient des cotisations et des impôts, qui peuvent ensuite être utilisés par tout le monde quand et où cela est nécessaire. En fait, les mêmes principes s'appliquent à la solidarité des données, ce qui signifie que les données produites par les gens devraient être disponibles pour les gens. Tout comme tous les citoyens contribuent au système de santé par le biais de taxes, les données devraient également être partagées pour le bien commun. La solidarité en matière de données met en avant la valeur publique lorsqu’elle profite aux personnes et aux communautés sans risquer d’envahir la vie privée directe des citoyens.

Un sous-traitant de données est une personne, une organisation ou une entité qui traite des données personnelles pour le compte d'un contrôleur de données. Le sous-traitant opère selon les instructions du responsable du traitement et ne détermine pas les finalités ou les moyens du traitement des données. Le traitement comprend des actions telles que la collecte, le stockage, l'organisation, le transfert ou la suppression de données.

La souveraineté des données porte sur les règles et les systèmes qui garantissent que les données sont stockées, contrôlées, conservées en toute sécurité et utilisées en toute sécurité, et sur la manière dont elles peuvent être facilement partagées et déplacées d’un système à l’autre, tout en respectant les principes clés de l’indépendance numérique. La souveraineté des données est étroitement liée à l'idée d'autodétermination numérique, ce qui signifie que les individus ont le droit et la capacité d'exercer leur autonomie sur leur présence numérique, leurs données et leurs activités en ligne. Il inclut également l'idée de groupes ou de communautés ayant le contrôle sur les données partagées.

Un environnement de traitement sécurisé (SPE - Secure Processing Environment) est une infrastructure hautement sécurisée et un environnement isolé. Une SPE offre une sécurité accrue par rapport à l'utilisation d'un ordinateur portable lorsque vous traitez des données sensibles. Il empêche le transfert des données de leur source à l'utilisateur de données. Les données restent à leur emplacement où la question de recherche est apportée aux données dans un environnement sécurisé et seuls les résultats anonymes et agrégés sont transférés au chercheur.

Le stockage des données fait référence à la façon dont les informations sont sauvegardées et conservées pour une utilisation future. Le stockage de données consiste à trouver un endroit sûr pour conserver les informations, que ce soit sur votre appareil, dans le cloud ou sur du matériel externe comme une clé USB, ou des informations stockées dans des systèmes structurés (bases de données) utilisés par les entreprises pour gérer de grandes quantités de données. Il garantit que les données sont accessibles, sécurisées et récupérables lorsque cela est nécessaire.

L’action commune TEHDAS2 de l’Union européenne prépare le terrain pour la mise en œuvre harmonisée de l’utilisation secondaire des données de santé dans l’espace européen des données de santé (EHDS). TEHDAS2 est réalisé par 29 pays européens et coordonné par le Fonds finlandais pour l'innovation, Sitra. Le projet a débuté en mai 2024 et se terminera en décembre 2026.

Le traitement des données est ce qui se passe lorsque des données brutes sont prises et transformées en quelque chose d'utile ou de significatif. Cela commence par des données brutes, telles que des chiffres, du texte ou des images. Des outils ou des systèmes organisent, analysent ou modifient les données pour les rendre plus faciles à comprendre ou à utiliser. Le résultat est quelque chose d'utile, comme un rapport, un graphique ou une décision. C’est comme cuisiner: vous prenez des matières premières (données), suivez une recette (un ensemble d'étapes) et vous vous retrouvez avec un plat délicieux (informations utiles). Par exemple, lorsque vous déposez un chèque à l'aide d'une application bancaire, l'application traite l'image du chèque pour extraire des informations telles que le montant et votre numéro de compte.

Le transfert de données est le processus de transfert de données d'un endroit à un autre. Cela pourrait signifier l'envoi de données entre les appareils, les systèmes ou les emplacements. Pensez-y comme à la livraison d’un paquet: il s’agit d’obtenir des informations d’un point A à un point B. C’est la manière dont les données circulent sur les réseaux, par exemple lorsque vous envoyez un courrier électronique, téléchargez un fichier ou accédez à un site web. Un transfert transfrontalier est également possible. Il transfère des données entre les pays, souvent soumis à des lois et règlements pour protéger la vie privée et la sécurité.

Le système unifié de langage médical (UMLS - Unified Medical Language System) rassemble de nombreux vocabulaires de santé et biomédicaux et des normes de codage pour les médicaments, les troubles, les procédures, les tests de laboratoire, les dispositifs médicaux, les organismes, l'anatomie, les gènes et plus encore. Il permet l'interopérabilité entre les systèmes informatiques.

Un utilisateur de données est une personne, une organisation ou un système qui accède et fonctionne avec des données. Un utilisateur de données est toute personne qui interagit avec des données dans un but spécifique. Ils utilisent les données pour analyser, prendre des décisions ou effectuer des tâches. Il peut s'agir de lire, d'éditer, d'analyser ou de partager les données. Un étudiant qui utilise des données de recherche en ligne pour un projet est un utilisateur de données. Les utilisateurs de données ont des responsabilités, telles que le traitement responsable des données et le respect des lois ou des directives en matière de confidentialité.

L'utilisation primaire fait référence à l'utilisation directe des données de santé dans la fourniture de services de soins de santé, tels qu'un médecin utilisant les dossiers médicaux d'un patient pour établir un diagnostic ou déterminer un plan de traitement, et permettant également aux médecins de tout État membre d'accéder aux données des patients si nécessaire.

L'utilisation secondaire implique la (ré)utilisation des données de santé à des fins autres que les soins individuels, telles que la recherche, la surveillance de la santé publique ou l'élaboration de politiques. Cela pourrait inclure l'utilisation de données pour suivre les épidémies ou mener des études pour trouver de nouveaux traitements.

La valeur publique des données fait référence aux avantages que les données procurent à la société dans son ensemble. Il s’agit d’utiliser les données pour améliorer les services publics, résoudre les défis sociaux et créer des opportunités qui ont une incidence positive sur les communautés, et pas seulement sur les individus ou les organisations privées. La valeur publique des données signifie l’utilisation des données pour le bien commun, afin d’améliorer la vie de tous. Cela comprend l'amélioration des soins de santé, de l'éducation, des transports et plus encore grâce à de meilleures décisions et innovations fondées sur l'information partagée.