Skip to content
View MedDataMuse's full-sized avatar
🎯
Focusing
🎯
Focusing
  • Recherche et innovation biomédicale
  • Paris
  • 03:13 (UTC +01:00)

Block or report MedDataMuse

Block user

Prevent this user from interacting with your repositories and sending you notifications. Learn more about blocking users.

You must be logged in to block users.

Maximum 250 characters. Please don't include any personal information such as legal names or email addresses. Markdown supported. This note will be visible to only you.
Report abuse

Contact GitHub support about this user’s behavior. Learn more about reporting abuse.

Report abuse
MedDataMuse/README.md

📊La Passion des Stats !

Illustration

👩🏾‍⚕️ 🔬 Biostatisticienne & Data Scientist Santé

Bienvenue sur mon profil! Je me positionne à l'interface entre le terrain de soins, la santé publique et la data science.

Vous avez des données de vie réelle complexes et vous ne savez pas comment les structurer pour en tirer des conclusions publiable ?
Vous avez besoin de quelqu'un qui parle le langage des cliniciens et celui des algorithmes pour valider vos modèles prédictifs ?
Vous voulez une experte capable de prendre en charge l'analyse de A à Z, avec un œil critique sur la qualité des données et une rigueur académique ?

Avec mon parcours de professionnelle de santé (infirmière / intervenante en santé publique), devenue épidémiologiste (Master Santé publique), puis biostatisticienne-data scientist, je vous apporte la solution avec ma triple casquette :

  • 🏥 Clinique / Soins : connaissance des patients et du terrain.
  • 🌍 Santé publique / Épidémiologie : maîtrise de la méthodologie des études et des déterminants de santé.
  • 📊 Data science / Statistique : compétence technique pour modéliser et analyser.

🎯 Concrètement, qu'est-ce que ça change pour votre projet ?

🗣️ Je parle le langage de tout le monde.
Dans une équipe de recherche, j'échange aussi bien avec un médecin investigateur (je connais son quotidien), qu'avec un data manager (en parlant de contrôles de cohérence), ou un chef de projet (pour expliquer les délais nécessaires à une analyse robuste).

🔍 Data intelligence.
Ayant été au point de collecte, j'ai une idée fine de pourquoi certaines données sont manquantes ou bruitées. Je peux anticiper ces problèmes et en tenir compte dans mes modèles.

📈 Orientée "impact réel".
Mon passage par la santé publique m'a appris à regarder au-delà du chiffre : quel est l'impact sur la population, sur les politiques de santé ? C'est précisément ce que recherchent les études RWE (Real World Evidence).


✅ Roadmap

✔️ Se poser les bonnes questions
✔️ Collecter les bonnes données
✔️ Tirer les bonnes conclusions

Contribuez de manière significative aux connaissances médicales.
Assurez une conduite éthique de vos études et minimisez les biais.

Je traduis les questions médicales en modèles statistiques robustes.
Avec le machine learning, je transforme vos données en outils prédictifs au service de l'innovation en santé.


📫 Contact

LinkedIn GitHub


Pinned Loading

  1. ART_Anova ART_Anova Public

    ART ANOVA : Une solution polyvalente pour l'analyse factorielle non paramétrique.(complet)

    HTML

  2. survival survival Public

    Exemple d'analyse de survie avec R (complet)

    HTML

  3. non_parametric_anova non_parametric_anova Public

    Comparer des Groupes sans Distribution Normale (work in progress)

    HTML

  4. main_regressions main_regressions Public

    Que vous analysiez des facteurs de risque, l'efficacité de traitements ou des tendances épidémiologiques, nos modèles de régression vous fournissent des insights clairs et actionnables.(complet)

    HTML

  5. propensity_score propensity_score Public

    Le score de propension est la probabilité qu'un sujet reçoive un traitement particulier en fonction de ses caractéristiques observées. (complet)

    R

  6. Machine_learning Machine_learning Public

    My ML projects

    Python