<?xml version="1.0" encoding="UTF-8"?>
<oaidc:dc xmlns:oaidc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:dcterms="http://purl.org/dc/terms/" xmlns:lille="http://www.univ-lille.fr/dcq_lille" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
<dc:title xml:lang="fr">La personnalisation de la prévention grâce aux Big Data</dc:title>
<dc:creator>Demoersman, Valentine</dc:creator>
<dc:subject xml:lang="fr">Big data ; prévention ; intelligence artificielle ; business model</dc:subject>
<dc:subject xml:lang="en">Big data ; prevention ; artificial intelligence ; business model</dc:subject>
<dc:description xml:lang="fr" xsi:type="lille:Resume">La prévention est souvent jugée comme étant inefficace et extrêmement coûteuse dans le
système de santé français. Toutefois elle est primordiale pour sensibiliser la population sur
des thématiques de santé publique. L’essor des nouvelles technologies a permis le
développement des analyses des Big Data, notamment dans le domaine de la santé.
Algorithmes, Intelligence Artificielle et autres méthodes statistiques ont pu mettre en
évidence que la prévention peut être personnalisable grâce aux données de santé. Afin de
comprendre les différents aspects de la politique de santé française, il est important de la
comparer à d’autres systèmes de santé : le modèle danois, chinois et le Kaiser Permanente
américain et d’identifier des modèles d’évolution de notre système de santé actuel. Enfin,
nous nous sommes demandés si les logiciels de traitement des Big Data pour personnaliser
la prévention pouvaient représenter une nouvelle opportunité commerciale. Nous avons
étudié les besoins des patients, des professionnels de santé et de l’Etat ainsi que ce que
les entreprises privées étaient capable de proposer en retour et leurs business models.
Nous avons pour cela pris l’exemple de deux outils, Arterys et Passeport Vasculaire.</dc:description>
<dc:description xml:lang="en" xsi:type="lille:Resume">Prevention is often judged to be ineffective and extremely costly in the French health system.
However, it is essential to raise public awareness on public health issues. The rise of new
technologies has enabled the development of big data analytics, particularly in the health
sector. Algorithms, Artificial Intelligence and other statistical methods have shown that
prevention can be personalized thanks to health data. In order to understand the different
aspects of French health policy, it is important to compare it to other health systems: the
Danish, Chinese and American Kaiser Permanente models and to identify evolutionary
models of our current health care system. Finally, we wondered whether big data processing
software to personalize prevention could represent a new business opportunity. We studied
the needs of patients, healthcare professionals and the state as well as what private
companies were able to offer in return and their business models. For this study we took the
example of two tools, Arterys and Vascular Passport.</dc:description>
<dc:publisher xsi:type="lille:Etablissement">Université de Lille</dc:publisher>
<dc:publisher xsi:type="lille:Composante">ILIS</dc:publisher>
<dc:contributor xsi:type="lille:Directeur">Delerue, David</dc:contributor>
<dc:contributor xsi:type="lille:PresidentJury">Gorge, Hélène</dc:contributor>
<dc:date xsi:type="lille:DateSoutenance">2019-01-01</dc:date>
<dc:type xsi:type="lille:Document">Mémoire</dc:type>
<dc:type xsi:type="lille:Memoire">Mémoire de Master</dc:type>
<dc:type xsi:type="lille:Mention">Ingénierie de la santé</dc:type>
<dc:format xsi:type="dcterms:IMT">application/pdf</dc:format>
<dc:identifier xsi:type="dcterms:URI">https://pepite-depot.univ-lille.fr/LIBRE/Mem_ILIS/2019/LILU_SMIS_2019_073.pdf</dc:identifier>
<dc:identifier xsi:type="lille:Identifiant">LILU_SMIS_2019_073</dc:identifier>
<dc:language xsi:type="dcterms:ISO639-2">fre</dc:language>
<dc:rights>Accès libre</dc:rights>
<lille:projet>Mémoires Lille</lille:projet>
<dcterms:mediator>Lille</dcterms:mediator>
</oaidc:dc>
