Données synthétiques de la base principales du Système National des Données de Santé
Published by Plateforme des Données de Santé (Health Data Hub)
About this dataset
## Description de la base de données : ### Objectifs et finalités initiales de la base de données : Mise à disposition d’un jeu de données synthétiques (données fictives) selon le modèle des tables de la base principale du SNDS pour 50 patients fictifs. ### Contexte de création : Ce jeu de données a été généré en utilisant le schéma des tables de la base principale du SNDS de l’année 2019. L'intérêt scientifique des données de synthèse peut se manifester au travers de nombreux cas d’usage. En effet, les données synthétiques peuvent permettre de : Découvrir et comprendre les données de la base principale du SNDS (DCIR, PMSI, CépiDc, etc.), Se former à la manipulation de ces données, Commencer à préparer des programmes en attendant d’être formellement autorisé à accéder aux données réelles, Créer du contenu pédagogique. Les données exposées reproduisent aléatoirement les variables des tables de la base principale du SNDS mais n’ont pas de cohérence statistique, ni médicale. Ce jeu de données est principalement utile pour découvrir la base principale du SNDS. ### Public cible : Ces données synthétiques s’adressent à l’écosystème des acteurs de la donnée de santé qui souhaitent découvrir le SNDS et le type de contenu que sa base principale peut contenir. ### Résultats associés à la création de la base : Le code source qui a permis de générer ce jeu de données se trouve dans ce lien. Les versions des librairies (packages) et de Python utilisées pour la génération des données synthétiques sont les suivantes : Python 3.8.10 (default, Jun 22 2022, 20:18:18) Packages et versions utilisées : attrs 23.2.0 ,decorator 5.1.1 ,Faker 4.1.2 ,iniconfig 2.0.0 ,joblib 1.3.2 ,networkx 2.5 ,numpy 1.19.2 ,packaging 23.2 ,pandas 1.2.3 ,pip 20.0.2 ,pkg-resources 0.0.0 ,pluggy 0.13.1 ,py 1.11.0 ,pytest 6.2.2 ,python-dateutil 2.9.0.post0,python-Levenshtein 0.12.2 ,pytz 2024.1 ,scikit-learn 0.24.2 ,scipy 1.10.1 ,setuptools 44.0.0 ,six 1.16.0 ,text-unidecode 1.3 ,threadpoolctl 3.3.0 ,toml 0.10.2 . Le code qui a été utilisé pour générer les données synthétiques présentées ici a utilisé la configuration qui se trouve dans le fichier snds.config. Le détail de cette configuration est décrite ci-dessous : [BASE] base_name = SNDS #choose a root for every connected component of the data base which contains more than 2 tables_ roots = IR_BEN_R #_fill only one parameter of n_beneficiaires, volume_beneficiaires (which is indicated in Mo) n_beneficiaires = 50 #_volume_beneficiaires = 8000 export_path = test_snds #_path2resources = src/resources sep = ; [SCHEMA MODIFIER] the following format is expected: modifier_name=table|variable|property|new value. Note that table, variable and property can be given as globstrings. eg date_modifier=*|MY_DATE|type|datetime will convert the variable MY_DATE's type to "datetime" in ALL the tables Note that %Y%m will raise an Error, as % needs to be preceded by %. The correct version of %Y%m is %%Y%%m modif1 = *|*_DTD|format|%%d/%%m/%%Y modif2 = *|*_DTF|format|%%d/%%m/%%Y #### Présentation des données : - Méthodologie de collecte et critères d’inclusion : Aucune collecte de données n’est réalisée pour générer ces données synthétiques. Nous nous appuyons seulement sur le schéma des tables de la base principale du SNDS. - Choix des variables : Toutes les variables des tables de la base principale du SNDS sont visées pour être le plus exhaustif possible. Le schéma considéré est celui de l’année 2019. - Description détaillée de chaque champ : La description des champs se trouve dans le dictionnaire des variables de la base principale du SNDS. - Structure de la base et rationnel des fichiers : Le jeu de données synthétique a été scindé selon les composantes suivantes. La description des tabl