L’Entrepôt des Données de Santé (EDS) de l’AP-HP centralise les données collectées à l’AP-HP pour les mettre à disposition de projets de recherche ou de pilotage. Les données présentes dans l’EDS sont celles qui ont été collectées par les équipes de soin dans certaines applications du système d’information clinique (SIC) de l’AP-HP. Le SIC des 39 hôpitaux de l’AP-HP est en constante évolution, ce qui induit des biais dans la collecte de données (déploiement de nouvelles applications, modification de leur configuration, concurrence entre applications similaires, etc.). Une première librairie scientifique open source développée en Python (eds-temporal-variability) a été récemment développée pour caractériser ce phénomène et rendre actionnable cette connaissance par les équipes de recherche.

Au sein de l’équipe data science de la DSI, vous aurez pour mission de poursuivre le développement et la validation de la librairie eds-temporal-variability en ajoutant en particulier de nouvelles méthodes de détection de déploiement, de détection des montées en charge, et de détection d’anomalies. Votre travail se fera en étroite collaboration avec les membres de l’équipe Data Science, les équipes du pôle Innovation et Données et des cliniciens-chercheurs.

A la fin de votre stage, vous serez amené.e à communiquer vos résultats sous plusieurs formats : de nouveaux modules de la librairie python, une documentation scientifique communiquée aux équipes de recherche utilisatrices, et éventuellement une communication sous forme de webinar.

Missions principales :

• Définition du besoin utilisateur relatif à une librairie scientifique caractérisant automatiquement le déploiement et l’utilisation du SIC;
• Développement d’indicateurs, calculés automatiquement sur la base de données de l’EDS;
• Développement et validation d’algorithmes de détection automatique d’anomalies, de clustering, etc.;
• Validation des performances des indicateurs calculés ;
• Communication des résultats;

Requis :

• Expertise en analyse de bases de données (SQL);
• Expertise en Python (Pandas, PySpark, librairies de visualisation Altair) ;
• Expertise en statistique ;
• Expertise en machine learning;

Apprécié :

• Connaissance des problématiques fonctionnelles hospitalières (structures, processus) et des métiers de la santé ;
• Connaissance du monde de la recherche ;

Travail en équipe :

• Esprit d’équipe et fort sens du relationnel
• Autonomie, rigueur, méthode
• Curiosité et capacité d’adaptation et d’anticipation
• Adhésion aux valeurs du service public et intérêt prononcé pour le domaine de la santé