Auswahl der wissenschaftlichen Literatur zum Thema „Grosses données“

L’extraction de données (“Data-Mining”, littéralement “Forage de Données”) est une nouvelle façon de tirer des informations de grosses bases de données qui gagne actuellement la faveur de grandes entreprises. Après avoir décrit le processus d’extraction de données, les auteurs proposent une méthodologie permettant de combiner les techniques d’extraction de données et l’analyse plus traditionnelle de régression, afin de parvenir à une meilleure compréhension des informations contenues dans une base de données d’entreprise. Deux exemples, l’un tiré de l’industrie automobile et l’autre de l’industrie télévisuelle, viennent illustrer ces concepts.

Résumé Cette étude porte sur l’activité des grosses avalanches de neige dans un couloir de 660 m de longueur, sur le versant est du mont Hog’s Back, en Gaspésie centrale (Québec). L’analyse dendrochronologique des arbres échantillonnés dans la zone d’arrivée des coulées de neige a permis de faire ressortir 35 événements survenus entre 1895 et 1996, ce qui correspond à un intervalle de retour des grosses avalanches de près de 3 ans et à une fréquence ou probabilité d’incidence annuelle d’environ 34 %. Les décennies 1950 et 1980 rassemblent le plus grand nombre d’événements, respectivement 5 et 6 grosses avalanches, et la décennie 1930, aucun. La probabilité annuelle d’incidence de grosses avalanches dans le couloir étudié a été évaluée à 27 % et 41 % respectivement pour la première (1895-1945) et la seconde (1946-1996) parties du XXe siècle. Les données sur les précipitations de neige obtenues d’une station (Cap-Seize) située à proximité du couloir étudié montrent qu’entre 1969 et 1994, 8 des 13 années de grosses avalanches (62 %) ont enregistré des précipitations totales de neige supérieures à la moyenne (457 cm). Les facteurs d’ordres topographique, écologique et climatique favorisant le déclenchement d’avalanches en Gaspésie centrale sont aussi abordés.

Introduction. Le règlement général sur la protection des données (RGPD) est entré en vigueur en 2018 et est applicable aux médecins généralistes (MG). Il n’y a pas de travaux disponibles sur les pratiques de sécurité informatique des MG. Objectifs. Réaliser un état des lieux des différentes pratiques en lien avec la sécurité des données en médecine générale, dans le cadre du RGPD. Méthode. Étude descriptive transversale sur 50 MG du Nord-Pas-de-Calais avec entretiens de type directif. Résultats. Peu de médecins interrogés connaissaient le RGPD et aucun ne pouvait se déclarer conforme au RGPD. Les plus grosses problématiques étaient la gestion des mots de passe, la communication entre professionnels de santé de manière sécurisée et la mise à jour du matériel informatique. Conclusion. La mise en conformité au RGPD est possible. L’amélioration de la situation actuelle passerait par une prise de conscience par les MG de l’importance de la sécurité des données et des conséquences pour leurs patients

Les urgences urologiques regroupent un ensemble de pathologies multiples et variées. Elles sont plus fréquentes chez l’homme âgé à causes des affections prostatiques et restent dominées par la rétention aigue d’urine, les infections urogénitales et les grosses bourses. Elles peuvent différer d’un centre à l’autre sur le plan épidémiologique, mais également dans la prise en charge. OBJECTIF : Rapporter les aspects épidémiologique, diagnostique et d’évaluer la prise en charge des urgences urologiques dans l’hôpital SOUNON Séro de Nikki. PATIENTS ET METHODE : Il s’est agi d’une étude descriptive à collecte de données prospectives menée à l’hôpital SOUNON Séro de Nikki sur la période allant du 5 novembre 2020 au 5 mai 2021 soit 6 mois et portait sur 44 patients admis dans le service des urgences pour des urgences urologiques. Les variables étudiées étaient : l’âge, le sexe, la profession, le niveau d’instruction, le statut matrimonial, aspect clinique et thérapeutique. Les données ont été collectées sur une fiche individuelle de collecte, testée en amont, à partir des dossiers d’hospitalisation en respectant les considérations éthiques et de déontologie. Pour analyser les données, un logiciel SPSS version 2.0 nous a été utile et nous a permis d’obtenir nos résultats. RESULTATS : La tranche d’âge la plus représenté était celle de 60 – 74 ans avec 45,45% dont 100% hommes et la plupart étaient des cultivateurs dans l’ordre de 79,55%. Le principal motif de consultation était la rétention aigue d’urine(RAU) avec 72,73% et étiologies prostatiques (75%), comme geste d’urgence tous avaient bénéficiés d’un sondage vésical trans-urétral. CONCLUSION : La prise en charge des urgences urologiques représente une activité courante dans notre pratique. Ces urgences sont l’apanage du sujet âgé de sexe masculin et sont essentiellement dominées par les rétentions d’urine avec pour principales causes les tumeurs prostatiques. Le cathétérisme urétral est le geste le plus couramment pratiqué sachant qu’aucun cas d’obstruction urétral n’a été reçu. Urological emergencies include a set of multiple and varied pathologies. They are more frequent in the elderly man because of prostatic affections and remain dominated by acute retention of urine, urogenital infections, and large purses. They can differ from one center to another on the epidemiological level, but also in the management. OBJECTIVE: To report the epidemiological and diagnostic aspects and to evaluate the management of urological emergencies in the SOUNON Séro hospital in Nikki. PATIENTS AND METHOD: This was a descriptive study with prospective data collection conducted at the SOUNON Séro hospital in Nikki over the period from November 5, 2020 to May 5, 2021, i.e. 6 months and involved 44 patients admitted to the emergency department for urological emergencies. The variables studied were: age, sex, profession, level of education, marital status, and clinical and therapeutic aspect. The data was collected on an individual collection sheet, and tested upstream, from hospital records, respecting ethical and deontological considerations. To analyze the data, SPSS version 2.0 software was useful and allowed us to obtain our results. RESULTS: The most represented age group was that of 60 – 74 years with 45.45% of which 100% were men and most were farmers in the order of 79.55%. The main reason for consultation was acute urinary retention (AUR) with 72.73% and prostatic etiologies (75%), as an emergency gesture, all had benefited from a transurethral bladder catheterization. CONCLUSION: The management of urological emergencies is a common activity in our practice. These emergencies are the prerogative of the elderly male subject and are essentially dominated by urine retention with the main causes being prostate tumors. Urethral catheterization is the most commonly performed gesture knowing that no case of urethral obstruction has been received.

Introduction La détermination précise des cas de grossesse avec diabète préexistant permet d’exercer une surveillance complète des résultats maternels et néonatals associés à cette maladie chronique. Méthodologie Afin de déterminer la pertinence de certaines définitions de cas pour le diabète sucré préexistant lorsqu’on les applique à une population de femmes enceintes, nous avons constitué une cohorte de femmes qui étaient enceintes entre 1991 et 2003 en Nouvelle-Écosse, à partir d’une base de données périnatales provinciale et populationnelle, la Nova Scotia Atlee Perinatal Database (NSAPD). Nous avons associé à cette cohorte des données individuelles issues des bases de données administratives utilisant les données des dossiers de congé des hôpitaux ainsi que les données provenant des services médicaux externes. Nous avons comparé à la définition de référence de la NSAPD divers algorithmes de définition du diabète sucré fondés sur des données administratives, dont l’algorithme proposé par le Système national de surveillance du diabète (SNSD). Résultats L’application de la définition de cas du SNSD à cette population de femmes enceintes a révélé une sensibilité de 87 % et une valeur prédictive positive (VPP) de 66,4 %. Quand on a utilisé les codes de diagnostic de la CIM-9 et de la CIM-10 dans les cas d’hospitalisation avec diabète sucré au cours de la grossesse, la sensibilité et la VPP ont augmenté sensiblement, surtout dans le cas des accouchements effectués dans les centres de soins tertiaires. Pour cette population, les données administratives relatives à la grossesse provenant uniquement de la base de données sur les hospitalisations semblent constituer une source de données plus exacte pour l’identification du diabète préexistant que l’application de la définition de cas du SNSD, particulièrement lorsque les femmes accouchent dans un hôpital de soins tertiaires. Conclusion Même si la définition du diabète établie par le SNSD donne d’assez bons résultats par rapport à une définition de référence de base du diabète, le recours à cette définition pour évaluer les résultats maternels et périnatals associés au diabète durant la grossesse se traduira par un certain degré d’erreur de classification et, par conséquent, par une estimation biaisée des résultats.

Les données sur la survenue de la grossesse chez les patientes cirrhotiques sont rares et souvent correspondent à des cas rapportés dans des séries limitées. Nous rapportons un cas de grossesse survenue chez une primigeste de 27 ans suivie pour une cirrhose hépatique cryptogénique compliquée d’hypertension portale. La grossesse s’est déroulée sans aucun incident, et l’accouchement réalisé à 35 semaines d’aménorrhée par césarienne a permis l’extraction d’un nouveau-né bien portant ; ainsi qu’une revue de littérature discutant les différentes complications possibles au cours de ces grossesses considérées à haut risque.

La Haute Autorité de Santé (HAS) et le Collège Nationaldes Gynécologues et Obstétriciens de France ont rendu desavis sur l’intérêt du port d’une compression médicale durantla grossesse et le post-partum (respectivement en 2010 et en2016) concernant la prévention de la thrombose veineuse.Les recommandations disponibles sont en faveur du portde compression de 15-20 mmHg à la cheville pendant lagrossesse et jusqu’à 6 semaines après l’accouchement encas de chirurgie incluant la césarienne. Les données disponibles chez la femme enceinte sur le traitement préventifou curatif de la maladie veineuse chronique relèvent leplus souvent d’un accord professionnel. A la lumière de cesdonnées, la HAS a considéré que le port systématique d’unecompression de 15-20 mmHg, de 20-36 mmHg voire pluss’avérait justifié. Un point particulier, la HAS a estimé queles collants de maternité ne sont pas plus efficaces que leschaussettes ou les bas-cuisse aussi bien dans le traitementde la thrombose veineuse que de la maladie veineuse chronique au cours de la grossesse

Pour naviguer en temps réel dans un environnements virtuel, il faut être capable de fabriquer très rapidement des vues d'un modèle 3D décrivant cet environnement. Dans cette thèse nous nous intéressons à pré-calculer des résultats qui pourront être utilisés afin d'accélérer le rendu de ces images. Deux voies sont explorées. D'une part un pré-calcul de visibilité permet de déterminer, en chaque point de l'espace, une liste d'objets qui sont cachés par d'autres objets et n'ont donc pas besoin d'être affichés. Ce pré-calcul s'appuie sur un théorème dit " de réduction " : si en un point un objet réduit est caché par plusieurs objets eux-aussi réduits, alors au voisinage de ce point, l'objet est certainement caché. La première contribution de cette thèse est la démonstration de ce théorème qui formalise et généralise un résultat connu. La deuxième contribution est un algorithme robuste permettant de calculer de telles réductions pour un modèle quelconque, pourvu qu'il soit étanche (avec un extérieur et un intérieur bien définis). Une fois qu'est déterminé ce qui est visible, il reste à l'afficher de la manière la plus efficace possible. Une solution classique consiste à avoir pour chaque objet de l'environnement plusieurs représentations de plus en plus simplifiées. Selon la distance de l'objet à l'observateur, on affiche la simplification la mieux adaptée. La difficulté consiste alors à générer automatiquement ces différents niveaux de détails à partir du modèle initial. La troisième contribution de cette thèse est une nouvelle représentation, baptisée nuage de billboards, qui permet d'effectuer une simplification extrême tout en gardant une très bonne qualité visuelle. Un objet complexe est représenté par un petit nombre de polygones texturés avec de la transparence, dont l'enchevêtrement permet de restituer à la fois la forme et l'apparence de l'objet. Un algorithme complètement automatique permet de fabriquer un tel nuage à partir d'un modèle polygonal quelconque.

La qualité des données présente un grand enjeu au sein d'une organisation et influe énormément sur la qualité de ses services et sur sa rentabilité. La présence de données erronées engendre donc des préoccupations importantes autour de cette qualité. Ce rapport traite la problématique de l'amélioration de la qualité des données dans les grosses masses de données. Notre approche consiste à aider l'utilisateur afin de mieux comprendre les schémas des données manipulées, mais aussi définir les actions à réaliser sur celles-ci. Nous abordons plusieurs concepts tels que les anomalies des données au sein d'une même colonne, et les anomalies entre les colonnes relatives aux dépendances fonctionnelles. Nous proposons dans ce contexte plusieurs moyens de pallier ces défauts en nous intéressons à la performance des traitements ainsi opérés
Data quality represents a major challenge because the cost of anomalies can be very high especially for large databases in enterprises that need to exchange information between systems and integrate large amounts of data. Decision making using erroneous data has a bad influence on the activities of organizations. Quantity of data continues to increase as well as the risks of anomalies. The automatic correction of these anomalies is a topic that is becoming more important both in business and in the academic world. In this report, we propose an approach to better understand the semantics and the structure of the data. Our approach helps to correct automatically the intra-column anomalies and the inter-columns ones. We aim to improve the quality of data by processing the null values and the semantic dependencies between columns

La qualité des données présente un grand enjeu au sein d'une organisation et influe énormément sur la qualité de ses services et sur sa rentabilité. La présence de données erronées engendre donc des préoccupations importantes autour de cette qualité. Ce rapport traite la problématique de l'amélioration de la qualité des données dans les grosses masses de données. Notre approche consiste à aider l'utilisateur afin de mieux comprendre les schémas des données manipulées, mais aussi définir les actions à réaliser sur celles-ci. Nous abordons plusieurs concepts tels que les anomalies des données au sein d'une même colonne, et les anomalies entre les colonnes relatives aux dépendances fonctionnelles. Nous proposons dans ce contexte plusieurs moyens de pallier ces défauts en nous intéressons à la performance des traitements ainsi opérés
Data quality represents a major challenge because the cost of anomalies can be very high especially for large databases in enterprises that need to exchange information between systems and integrate large amounts of data. Decision making using erroneous data has a bad influence on the activities of organizations. Quantity of data continues to increase as well as the risks of anomalies. The automatic correction of these anomalies is a topic that is becoming more important both in business and in the academic world. In this report, we propose an approach to better understand the semantics and the structure of the data. Our approach helps to correct automatically the intra-column anomalies and the inter-columns ones. We aim to improve the quality of data by processing the null values and the semantic dependencies between columns

Aerosols are small, micrometer-sized particles, whose optical effects coupled with their impact on cloud properties is a source of large uncertainty in climate models. While their radiative forcing impact is largely of a cooling nature, there can be significant variations in the degree of their impact, depending on the size and the nature of the aerosols. The radiative and optical impact of aerosols are, first and foremost, dependent on their concentration or number density (an extensive parameter) and secondly on the size and nature of the aerosols (intensive, per particle, parameters). We employed passive (sunphotmetry) and active (backscatter lidar) measurements to retrieve extensive optical signals (aerosol optical depth or AOD and backscatter coefficient respectively) and semi-intensive optical signals (fine and coarse mode OD and fine and coarse mode backscatter coefficient respectively) and compared the optical coherency of these retrievals over a variety of aerosol and thin cloud events (pollution, dust, volcanic, smoke, thin cloud dominated). The retrievals were performed using an existing spectral deconvolution method applied to the sunphotometry data (SDA) and a new retrieval technique for the lidar based on a colour ratio thresholding technique. The validation of the lidar retrieval was accomplished by comparing the vertical integrations of the fine mode, coarse mode and total backscatter coefficients of the lidar with their sunphotometry analogues where lidar ratios (the intensive parameter required to transform backscatter coefficients into extinction coefficients) were (a) computed independently using the SDA retrievals for fine mode aerosols or prescribed for coarse mode aerosols and clouds or (b) computed by forcing the computed (fine, coarse and total) lidar ODs to be equal to their analog sunphotometry ODs. Comparisons between cases (a) and (b) as well as the semi-qualitative verification of the derived fine and coarse mode vertical profiles with the expected backscatter coefficient behavior of fine and coarse mode aerosols yielded satisfactory agreement (notably that the fine, coarse and total OD errors were <~ sunphotometry instrument errors). Comparisons between cases (a) and (b) also showed a degree of optical coherency between the fine mode lidar ratios.

Avec l'avènement de la technologie de séquençage de la prochaine génération, une quantité sans cesse croissante de données génomiques est produite à mesure que le coût du séquençage diminue. Cela a permis au domaine de la métagénomique de se développer rapidement. Par conséquent, la communauté bioinformatique est confrontée à des goulots d'étranglement informatiques sans précédent pour traiter les énormes ensembles de données métagénomiques. Les pipelines traditionnels de métagénomique se composent de plusieurs étapes, utilisant différentes plates-formes de calcul distribuées et parallèles pour améliorer leurs performances. Cependant, l'évolutivité de ces outils n'est pas efficace. Ils affichent de lourds frais généraux d'exécution lors du prétraitement de grandes quantités de données et ne sont pas en mesure de passer automatiquement à l'échelle supérieure pour collecter davantage de ressources informatiques. De plus, l'absence de modularité intégrée rend également leur maintenance et leur évolutivité difficiles. Ici, nous avons conçu QMSpy, une nouvelle plate-forme tout-en-un à la fois évolutive et modulaire. Dès le début, les lectures brutes de séquençage sont stockées sur stockage distribué et transformées en objets distribués, qui sont prétraités (rognés, nettoyés, filtrés, etc.), mis en correspondance avec le catalogue du génome de référence et comptés pour générer des tables d'abondance. QMSpy a été construit sur un cluster de calcul haute performance, utilisant le framework PySpark - un logiciel adaptatif qui supporte Python on Spark et étend le modèle Hadoop MapReduce. QMSpy a été testé avec des ensembles de données simulées et réelles. Dans ce pipeline, nous avons intégré des outils bioinformatiques bien connus tels que Bowtie2, Trimmomatic, Bwa, HiSat, Minimap, etc. pour traiter le séquençage des données. Notre approche prend en charge la création de workflows personnalisables en utilisant une enveloppe d'outils pour distribuer des logiciels externes dans des modules exécutables à déployer sur le cluster Spark et à exécuter en parallèle. De plus, QMSpy peut être déployé sur presque toutes les plates-formes de services informatiques à haute performance populaires telles que Google Cloud, Amazon Web Services, Microsoft Azure ou Docker et s'intégrer de manière flexible dans l'environnement d'entreprise et organisationnel tel que Hortonwork Data Platform, Salesforce, Teradata etc. En comparant QMSpy avec des ensembles de données réelles et simulées, nous avons identifié certains des facteurs les plus importants qui influencent l'exactitude du processus de quantification. Enfin, QMSpy avec ses caractéristiques telles que l'évolutivité et la modularité permettent aux bioinformaticiens de proposer de nouveaux algorithmes qui améliorent la quantification génétique, taxonomique et fonctionnelle des écosystèmes microbiens. Et nous croyons que cette ressource sera d'une grande valeur pour le domaine de la gestion de la quantitative metagenomics
The assessment and characterization of the gut microbiome has become a focus of research in the area of human autoimmune diseases. Many diseases such as obesity, inflammatory bowel (IBD), lean or beses twins, colorectal cancers and so on (Qin et al. 2010; Turnbaugh et al. 2009) have already been found to be associated with changes in the human microbiome. To investigate these relationships, quantitative metagenomics (QM) studies based on sequencing data could be performed. Understanding the role of the microbiome in human health and how it can be modulated is becoming increasingly relevant for precision medicine and for the medical management of chronic diseases. Results from such QM studies which report the organisms present in the samples and profile their abundances, will be used for continuous analyses. The terms microbiome and microbiota are used indistinctly to describe the community of microorganisms that live in a given environment. The development of high-throughput DNA sequencing technologies has boosted microbiome research through the study of microbial genomes allowing a more precise quantification of microbial and functional abundance. However, microbiome data analysis is challenging because it involves high-dimensional structured multivariate sparse data and because of its compositional structure of microbiome data. The data preprocessing is typically implemented as a pipeline (workflow) with third-party software that each process input files and produces output files. The pipelines are often deep, with ten or more tools, which could be very diverse from different languages such as R, Python, Perl etc. and integrated into different frameworks (Leipzig 2017) such as Galaxy, Apache Taverna, Toil etc. The challenges with existing approaches is that they are not always efficient with very large datasets in terms of scalability for individual tools in a metagenomics pipeline and their execution speed also has not met the expectations of the bioinformaticians. To date, more and more data are captured or generated from many different research areas such as Physics, Climatology, Sociology, Remote sensing or Management as well as bioinformatics. Indeed, Big Data Analytics (BDA) describes the unprecedented growth of data generated and collected from all kinds of data sources as mentioned above. This growth could be in the volume of data, in the speed of data moving in/out or in the speed of analyzing data which depends on high-performance computing (HPC) technologies. In the past few decades since the invention of the computer, HPC has contributed significantly to our quality of life - driving scientific innovation, enhancing engineering design and consumer goods manufacturing, as well as strengthening national and international security. This has been recognised and emphasised by both government and industry, with major ongoing investments in areas encompassing weather forecasting, scientific research and development as well as drug design and healthcare outcomes. In many ways, those two worlds (HPC and big data) are slowly, but surely converging. They are the keys to overcome limitations of bioinformatics analysis in general and quantitative metagenomics analysis in particular. Within the scope of this thesis, we contributed a novel bioinformatics framework and pipeline called QMSpy which helped bioinformaticians overcome limitations related to HPC and big data domains in the context of quantitative metagenomics. QMSpy tackles two challenges introduced by large scale NGS data: (i) sequencing data alignment - a computation intensive task and (ii) quantify metagenomics objects - a memory intensive task. By leveraging the powerful distributed computing engine (Apache Spark), in combination with the workflow management of big data processing (Hortonwork Data Platform), QMSpy allows us not only to bypass [...]

Le paludisme gestationnel est un problème de santé publique en Afrique. L’infection placentaire (IP) en est l’indicateur standard. On connaît mal l’information donnée par cette mesure sur le statut palustre de la femme enceinte pendant la grossesse, et l’effet de l’infection aux différentes périodes de la grossesse sur le poids de naissance (PN) du nouveau-né. Notre analyse de données d’une cohorte de femmes enceintes au Burkina Faso a montré que l’IP, associée à l’infection en fin mais aussi en début de grossesse est un bon indicateur des infections pendant la grossesse. L’infection en fin de grossesse est associée à une baisse du PN moyen et à un risque accru de faible PN. Le début de grossesse pourrait occasionner une diminution du PN moyen. Actuellement le traitement préventif intermittent (TPI) pendant la grossesse est proscrit au premier trimestre. L’utilisation précoce de moustiquaires imprégnées d’insecticide complémentaire au TPI est souhaitable.

Cet article a pour objectif d’analyser, à L’île de la Réunion, les représentations de la procréation et les prescriptions propitiatoires présentes, durant leur grossesse (hamili), chez les femmes mahoraises en contexte d’immigration[^1]. Notre réflexion s’articule autour de deux axes : le premier analyse les représentations de la conception et les analogies avec le monde végétal. Le second analyse les logiques des prescriptions. Elle s’appuie sur des données ethnographiques collectées lors d’enquêtes de terrain effectuées, depuis 2011, par observation in situ, auprès de personnes mahoraises résidant à La Réunion et à Mayotte.

Si notre choix se porte sur le groupe tanala (littéralement ceux de la forêt) de Madagascar, c’est que nous avons fait une recherche dans cette région il y a une trentaine d’années (Ravololomanga, 1991, 1992, 1995). Ce qui nous permet également de parler de la situation d’hier et d’aujourd’hui. Il a fallu ainsi réactualiser les données et faire une étude comparative relative sur ce sujet, tant au point de vue anthropologique, médicale qu’obstétricale, dans la mesure du possible. Qu’est-ce qui a changé et qu’est-ce qui est maintenu concernant le sujet ? Y a-t-il une amélioration ou une régression ?

Cet article s’appuie sur des terrains ethnographiques menés dans le cadre du programme de recherche « Risques et enjeux sociaux de la reproduction à Madagascar », financé par l’Institut de Recherche pour le Développement et l’Institut Pasteur de Madagascar, en collaboration avec l’Université Catholique de Madagascar. Ce programme de recherche visait à comprendre les modalités de recours aux soins biomédicaux et traditionnels pour le suivi de la grossesse et la prise en charge de l’accouchement.