SERVIER CAMPUS

Stage Données de Vie Réelle : analyse à grande échelle dans le cadre OMOP/OHDSI (H/F)


Publiée le
19 nov.2019
Durée

6 mois

Référence

JNBE_20MVD_KM_RWE

Rémunération

Selon le profil

Localisation

Suresnes

Date de début

janvier 2020


Description du poste

Au sein du Département Pharmacoepidemiology and Real World Evidence (RWE) (13 personnes, dont des épidémiologistes, des data analysts et des biostatisticiens), notre objectif est de concevoir et de réaliser des études en vie réelle afin de soutenir notre portefeuille de médicaments tout au long de leur cycle de vie depuis les phases précoces du développement clinique (histoire naturelle de la pathologie, schémas de traitement, critères d’inclusion/exclusion des essais cliniques) jusqu’à la phase post-autorisation (détection de risque, évaluation de la sécurité, efficience comparative).

Les données de vie réelle issues des systèmes de dossiers de santé électroniques et d’autres types de bases de données de santé sont largement utilisées pour générer de la connaissance et apporter des informations précieuses sur les soins de santé dispensés aux patients.

Grâce au cadre OMOP / OHDSI, des outils open source sont disponibles pour développer l’interopérabilité entre diverses sources en normalisant les données dans un modèle de données commun et permettre l’analyse à grande échelle, ainsi que la transparence, la reproductibilité et la fiabilité des études vie réelle.

En lien avec le projet collaboratif international EHDEN basé sur les outils OMOP et OHDSI, nous souhaitons évaluer les fonctionnalités analytiques offertes par ces outils pour mener des études vie réelle basées sur une utilisation secondaire des données de santé.

Missions

  • Développer la connaissance des outils analytiques OHDSI pour l’analyse de données observationnelles patients converties au format OMOP
  • Utiliser ces outils pour concevoir et exécuter des études pilotes vie réelle afin de répondre à différents cas d’usage : caractérisation, estimation au niveau du patient ou de la population, à l’aide des données disponibles (simulées ou vie réelle)
  • Etudier les avantages et inconvénients de différentes approches pour mettre en œuvre ces études : 1) principalement à l’aide de la plateforme ATLAS; 2) par l’utilisation de R et des packages disponibles; 3) par le développement de code ad hoc en cas de flexibilité maximale requise (facultatif)

Profil recherché

Etudiant(e) de Master 2 en épidémiologie, pharmaco-épidémiologie, informatique biomédicale ou data science

Bonnes connaissances en programmation R. Une expérience pratique dans l’analyse des données de santé observationnelles est un plus,

Bon niveau à l’écrit et à l’oral en anglais pour interagir avec la communauté interne et externe sur les données de santé

Postuler à cette offre

image de courriel
Transférer mon CV
Uploader votre CV

Aucun fichier sélectionné

Fichiers recommandés : PDF, .DOC ou .DOCXTaille max. 3mo
Transférer ma lettre de motivation
Uploader votre Lettre de motivation

Aucun fichier sélectionné

Fichiers recommandés : PDF, .DOC ou .DOCXTaille max. 3mo