Atelier santeneXt

Exemples de cas

• 

  Katrin Crameri
  Director Personalized Health Informatics at SIB

  SPHN Data Coordinating Center

  Dans le cadre du SPHN, les données cliniques relevées de routine dans les cinq hôpitaux universitaires de Suisse sont rendues interopérables et des pipelines sont construites pour accélérer le recrutement de données pour des projets de recherche spécifiques. Le SPHN Data Coordination Center coordonne les travaux et aide les chercheuses et chercheurs au sein du SPHN et en externe à utiliser les données pour des projets de recherche spécifiques dans le respect des prescriptions juridiques et éthiques.

• 

  André Golliez
  Président de Swiss Data Alliance

  Don de données pour aider l’Université de Zurich à mettre fin à l’état d’alerte dû à la COVID-19 (don de données UZH COVID-19)

  À l’Université de Zurich (UZH), la gestion de la pandémie a pour mission de mettre fin dans le courant du semestre d’automne 2021 à l’état d’alerte dû à la pandémie de COVID-19. Il est prévu d’utiliser des données mises volontairement à disposition par les membres du personnel et les étudiant-e-s («don de données») pour évaluer la situation actuelle et planifier les mesures.
  
  
Le but de l’acquisition d’informations par le biais du don de données par les membres de l’UZH est

  
  1) d’obtenir des informations représentatives sur l’évolution de l’épidémie, le taux vaccinal, le taux de diffusion des tests et les personnes vulnérables,

  2) de disposer, grâce à ces informations, d’une base de données fiable pour les décisions d’assouplissement ou de durcissement des mesures à l’UZH.

• 

  Adrian Schmid
  Responsable d’eHealth Suisse Centre de compétences et de coordination de la Confédération et des cantons

  Dossier électronique du patient: la recherche n’est pas au premier plan

  D’ici fin 2021, l’ensemble de la population de la Suisse devrait avoir la possibilité d’ouvrir un dossier électronique du patient (DEP). L’accès des soignant-e-s aux principaux documents de leurs patient-e-s est au premier plan, une utilisation directe des données pour la recherche ou d’autres buts n’est pas prévue. Les personnes qui souhaitent mettre les données de leur DEP à disposition pour d’autres utilisations peuvent cependant le faire par une voie détournée.

• 

  Regina Andenmatten
  Head of Medical Data HCI Solutions AG

  

  Dr. Matthias Sonnenschein
  Strategy and Public Affairs Manager HCI Solutions AG

  netCare: base à un conseil pharmaceutique basé sur les algorithmes

  Des processus électroniques certifiés, basés sur les directives, vous soutiennent dans le tri de maladies fréquentes. Vous pouvez ainsi aider vos client-e-s immédiatement en cas de problèmes de santé courants (p. ex. infections urinaires). Cela renforce le rôle de la pharmacie en tant qu’interlocutrice de premier recours et décharge les médecins de famille et services des urgences.

• 

  Philip van Hövell
  Director, Health Analytics Lead PwC

  

  Dominik Hotz
  Partner, Health Industries Leader EMEA and Switzerland, PwC

  PHREND – predictive healthcare with real-world evidence in neurological disorders

  PHREND est la première application au monde capable de fournir des pronostics d’efficacité personnalisés de différents traitements pour les personnes atteintes de sclérose en plaques. L’application est intégrée à un écosystème centré sur le patient, reposant sur une banque de données, et elle fournit au/à la patient-e et au/à la médecin un deuxième avis basé sur les données. Grâce à ses pronostics validés scientifiquement et à sa facilité d’intégration dans l’environnement hospitalier existant, PHREND est largement reconnue dans la communauté médicale.

• 

  Peter Grolimund
  Industry Consultant, Teradata

  Utiliser les données en commun, ce n’est pas les copier

  Utiliser les données en commun, ce n’est pas copier des données, pas non plus sous forme anonyme. Le but est que chaque citoyenne/citoyen voie qui utilise ou peut utiliser ses données quand et pourquoi. Il faut aussi empêcher l’utilisation de données manipulées (en cas de copies). Cette approche met à disposition des données opérationnelles dont on a besoin pour l’apprentissage automatique ou machine learning (p. ex. aide à la décision).