Dashboard Power BI en deux volets : sensibilisation à l'endométriose via des données de santé publique, et suivi personnel de symptômes pour objectiver l'évolution de la douleur dans le temps.
L'endométriose touche environ une femme sur dix en âge de procréer en France, avec un délai diagnostique moyen de 10 ans — notamment parce que la douleur est souvent perçue comme normale par les patientes elles-mêmes. L'objectif était de concevoir un outil aidant à objectiver cette douleur dans le temps, pour faciliter le dialogue avec le corps médical.
Aucune donnée patiente réelle n'a été utilisée : les données de santé étant classées comme sensibles par le RGPD (article 9), et aucun dataset public fiable n'existant pour ce cas d'usage précis, un dataset synthétique a été généré via un script Python, basé sur une logique physiologique réaliste (corrélation douleur/phase du cycle menstruel).
Objectifs du dashboard
Sensibiliser à l'ampleur du sujet via des statistiques de santé publique sourcées.
Suivre l'évolution de la douleur, de la fatigue et de l'humeur dans le temps.
Identifier des patterns liés aux phases du cycle menstruel.
Mesurer l'impact d'une consultation médicale sur la douleur moyenne (avant/après).
Fournir une base de dialogue objectivée entre la patiente et son médecin.
Construction d'un modèle en étoile (table de faits + dimensions Calendrier et Phase de cycle) plutôt qu'une table plate, avec des mesures DAX pour comparer des périodes (avant/après un événement).
Génération d'un dataset synthétique réaliste en Python, avec une réflexion approfondie sur la conformité RGPD des données de santé.
Ce dashboard s'inscrit dans un projet plus large incluant un assistant conversationnel construit sur l'API Claude, alimentant le même modèle de données via une logique d'extraction structurée (tool use).
