{"id":{"repo_id":"ets-quebec","oai_identifier":"oai:espace.etsmtl.ca:2639"},"canonical_url":"https://search.ndltd.org/etd/ets-quebec/oai:espace.etsmtl.ca:2639","repository":{"repo_id":"ets-quebec","name":"ETS (Quebec)","base_url":"https://espace.etsmtl.ca/cgi/oai2"},"display":{"title":"Nouvelle approche d’adaptation de modèle et d’intégration des données pour les recherches de médecine de précision","abstract":"L’adoption massive des technologies de la génétique à haut débit, des puces de séquençage des données génétiques à haute vitesse a permis une accélération des recherches complexes en matière de médecine de précision grâce à l’utilisation d’un volume considérable de données médicales hétérogènes. Avec de telles données à leur disposition, les chercheurs et cliniciens peuvent élaborer des stratégies adaptées à chaque individu pour proposer des traitements préventifs et thérapeutiques plus précis en ciblant des sous-groupes de patients sur des maladies spécifiques à partir d’un grand nombre de données génétiques, cliniques, démographiques, et autres types d’information reliée aux modes de vie des patients. Les techniques de séquençage de nouvelle génération jouent un rôle clé dans la recherche en médecine de précision; cependant, la complexité, la diversité, l’hétérogénéité, le volume des données et l’inaptitude des logiciels d’analyse de données disponibles à effectuer leur fonction facilement sur cet ensemble de données représentent un défi de taille pour une utilisation directe par le chercheur. Cette thèse, du domaine du génie logiciel, propose une piste de solution pour les chercheurs en médecine de précision. Elle propose une nouvelle approche pour adapter et intégrer toutes les données nécessaires à ces recherches dans un seul endroit, accompagnées par un cycle de recherche de médecine de précision visant à simplifier l’étape de préparation des analyses. Cette recherche tente d’adresser ces problématiques auxquelles sont confrontés les chercheurs de ce domaine. Pour valider cette proposition, les résultats d’une expérimentation d’analyse de données d’une recherche du domaine de médecine de précision effectuée à l’aide d’un prototype expérimental sur un réel cas d’une recherche qui consiste à développer un modèle prédictif qui permettrait d’identifier les patients à risque de développer la maladie d’insuffisances rénales chronique (de l’anglais Chronic Kidney Disease (CKD)) chez les patients atteints par le diabète de type 2 (DT2).","abstract_html":"L’adoption massive des technologies de la génétique à haut débit, des puces de séquençage des données génétiques à haute vitesse a permis une accélération des recherches complexes en matière de médecine de précision grâce à l’utilisation d’un volume considérable de données médicales hétérogènes. Avec de telles données à leur disposition, les chercheurs et cliniciens peuvent élaborer des stratégies adaptées à chaque individu pour proposer des traitements préventifs et thérapeutiques plus précis en ciblant des sous-groupes de patients sur des maladies spécifiques à partir d’un grand nombre de données génétiques, cliniques, démographiques, et autres types d’information reliée aux modes de vie des patients. Les techniques de séquençage de nouvelle génération jouent un rôle clé dans la recherche en médecine de précision; cependant, la complexité, la diversité, l’hétérogénéité, le volume des données et l’inaptitude des logiciels d’analyse de données disponibles à effectuer leur fonction facilement sur cet ensemble de données représentent un défi de taille pour une utilisation directe par le chercheur. Cette thèse, du domaine du génie logiciel, propose une piste de solution pour les chercheurs en médecine de précision. Elle propose une nouvelle approche pour adapter et intégrer toutes les données nécessaires à ces recherches dans un seul endroit, accompagnées par un cycle de recherche de médecine de précision visant à simplifier l’étape de préparation des analyses. Cette recherche tente d’adresser ces problématiques auxquelles sont confrontés les chercheurs de ce domaine. Pour valider cette proposition, les résultats d’une expérimentation d’analyse de données d’une recherche du domaine de médecine de précision effectuée à l’aide d’un prototype expérimental sur un réel cas d’une recherche qui consiste à développer un modèle prédictif qui permettrait d’identifier les patients à risque de développer la maladie d’insuffisances rénales chronique (de l’anglais Chronic Kidney Disease (CKD)) chez les patients atteints par le diabète de type 2 (DT2).","abstract_has_math":false,"creators":["Belghait, Fodil"],"institution":"École de technologie supérieure","degree_name":"Thèse de doctorat électronique","degree_level":"phd","degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2020,"date_issued":"2020-10-05","date_published":"2020-10-05","updated_at":"2026-11-18T22:08:38Z","subjects":["médecine de précision, génotypage, base de données, infonuagique, données massives, bio-informatique"],"languages":["fr"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["INSERT-YOUR-LIBRARY-ID-HERE2639"],"render_values":[{"text":"INSERT-YOUR-LIBRARY-ID-HERE2639","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":null,"outbound_label":null,"outbound_source":null,"record_url":null,"record_label":null,"record_kind":null,"record_source":null,"download_url":"https://espace.etsmtl.ca/id/eprint/2639/1/BELGHAIT_%20Fodil.pdf","download_label":"Download PDF","download_source":"dc:identifier","access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://espace.etsmtl.ca/cgi/oai2?verb=GetRecord&metadataPrefix=oai_etdms&identifier=oai%3Aespace.etsmtl.ca%3A2639","prefix":"oai_etdms"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Belghait, Fodil"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2020-10-05"]},{"key":"dc:publisher","label":"Institution","values":["École de technologie supérieure"]},{"key":"dc:type","label":"Dc Type","values":["Electronic Thesis or Dissertation"]},{"key":"thesis:degree_level","label":"Degree Level","values":["phd"]},{"key":"thesis:degree_name","label":"Degree Name","values":["Thèse de doctorat électronique"]},{"key":"thesis:institution_name","label":"Thesis Institution Name","values":["École de technologie supérieure"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["médecine de précision, génotypage, base de données, infonuagique, données massives, bio-informatique"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["fr"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["INSERT-YOUR-LIBRARY-ID-HERE2639","https://espace.etsmtl.ca/id/eprint/2639/1/BELGHAIT_%20Fodil.pdf"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["L’adoption massive des technologies de la génétique à haut débit, des puces de séquençage des données génétiques à haute vitesse a permis une accélération des recherches complexes en matière de médecine de précision grâce à l’utilisation d’un volume considérable de données médicales hétérogènes. Avec de telles données à leur disposition, les chercheurs et cliniciens peuvent élaborer des stratégies adaptées à chaque individu pour proposer des traitements préventifs et thérapeutiques plus précis en ciblant des sous-groupes de patients sur des maladies spécifiques à partir d’un grand nombre de données génétiques, cliniques, démographiques, et autres types d’information reliée aux modes de vie des patients. Les techniques de séquençage de nouvelle génération jouent un rôle clé dans la recherche en médecine de précision; cependant, la complexité, la diversité, l’hétérogénéité, le volume des données et l’inaptitude des logiciels d’analyse de données disponibles à effectuer leur fonction facilement sur cet ensemble de données représentent un défi de taille pour une utilisation directe par le chercheur. Cette thèse, du domaine du génie logiciel, propose une piste de solution pour les chercheurs en médecine de précision. Elle propose une nouvelle approche pour adapter et intégrer toutes les données nécessaires à ces recherches dans un seul endroit, accompagnées par un cycle de recherche de médecine de précision visant à simplifier l’étape de préparation des analyses. Cette recherche tente d’adresser ces problématiques auxquelles sont confrontés les chercheurs de ce domaine. Pour valider cette proposition, les résultats d’une expérimentation d’analyse de données d’une recherche du domaine de médecine de précision effectuée à l’aide d’un prototype expérimental sur un réel cas d’une recherche qui consiste à développer un modèle prédictif qui permettrait d’identifier les patients à risque de développer la maladie d’insuffisances rénales chronique (de l’anglais Chronic Kidney Disease (CKD)) chez les patients atteints par le diabète de type 2 (DT2)."]},{"key":"dc:format","label":"Dc Format","values":["application/pdf"]},{"key":"dc:title","label":"Title","values":["Nouvelle approche d’adaptation de modèle et d’intégration des données pour les recherches de médecine de précision"]}]}],"canonical_facts":{"dc:creator":["Belghait, Fodil"],"dc:date":["2020-10-05"],"dc:description":["L’adoption massive des technologies de la génétique à haut débit, des puces de séquençage des données génétiques à haute vitesse a permis une accélération des recherches complexes en matière de médecine de précision grâce à l’utilisation d’un volume considérable de données médicales hétérogènes. Avec de telles données à leur disposition, les chercheurs et cliniciens peuvent élaborer des stratégies adaptées à chaque individu pour proposer des traitements préventifs et thérapeutiques plus précis en ciblant des sous-groupes de patients sur des maladies spécifiques à partir d’un grand nombre de données génétiques, cliniques, démographiques, et autres types d’information reliée aux modes de vie des patients. Les techniques de séquençage de nouvelle génération jouent un rôle clé dans la recherche en médecine de précision; cependant, la complexité, la diversité, l’hétérogénéité, le volume des données et l’inaptitude des logiciels d’analyse de données disponibles à effectuer leur fonction facilement sur cet ensemble de données représentent un défi de taille pour une utilisation directe par le chercheur. Cette thèse, du domaine du génie logiciel, propose une piste de solution pour les chercheurs en médecine de précision. Elle propose une nouvelle approche pour adapter et intégrer toutes les données nécessaires à ces recherches dans un seul endroit, accompagnées par un cycle de recherche de médecine de précision visant à simplifier l’étape de préparation des analyses. Cette recherche tente d’adresser ces problématiques auxquelles sont confrontés les chercheurs de ce domaine. Pour valider cette proposition, les résultats d’une expérimentation d’analyse de données d’une recherche du domaine de médecine de précision effectuée à l’aide d’un prototype expérimental sur un réel cas d’une recherche qui consiste à développer un modèle prédictif qui permettrait d’identifier les patients à risque de développer la maladie d’insuffisances rénales chronique (de l’anglais Chronic Kidney Disease (CKD)) chez les patients atteints par le diabète de type 2 (DT2)."],"dc:format":["application/pdf"],"dc:identifier":["INSERT-YOUR-LIBRARY-ID-HERE2639","https://espace.etsmtl.ca/id/eprint/2639/1/BELGHAIT_%20Fodil.pdf"],"dc:language":["fr"],"dc:publisher":["École de technologie supérieure"],"dc:subject":["médecine de précision, génotypage, base de données, infonuagique, données massives, bio-informatique"],"dc:title":["Nouvelle approche d’adaptation de modèle et d’intégration des données pour les recherches de médecine de précision"],"dc:type":["Electronic Thesis or Dissertation"],"thesis:degree_level":["phd"],"thesis:degree_name":["Thèse de doctorat électronique"],"thesis:institution_name":["École de technologie supérieure"]},"updated_at":"2026-11-18T22:08:38Z"}