Data Marty i OMOP CDM
Data Marty w standardzie OMOP CDM
Interdyscyplinarne Pomorskie Centrum Medycyny Cyfrowej przygotowuje dla badaczy dedykowane Data Marty oparte na standardzie OMOP CDM — gotowe, uporządkowane zestawy danych, na których można od razu prowadzić analizy.
Czym jest Data Mart? Data Mart to wydzielony, tematyczny zbiór danych przygotowany pod konkretny obszar analiz lub grupę odbiorców. W odróżnieniu od pełnej hurtowni danych, która gromadzi wszystko, Data Mart zawiera wyselekcjonowany, oczyszczony i odpowiednio ustrukturyzowany wycinek — dzięki czemu badacz otrzymuje dane w formie od razu gotowej do pracy, bez potrzeby ich żmudnego przygotowywania.
Czym jest OMOP CDM? OMOP CDM (Observational Medical Outcomes Partnership Common Data Model) to międzynarodowy, otwarty standard organizacji danych medycznych, rozwijany przez społeczność OHDSI (Observational Health Data Sciences and Informatics). Sprowadza dane z różnych systemów źródłowych do jednej, wspólnej struktury tabel oraz ujednoliconych słowników medycznych (m.in. SNOMED CT, LOINC, RxNorm, ICD). Innymi słowy — niezależnie od tego, skąd pochodzą dane, w modelu OMOP wyglądają i „mówią” tak samo.
Zalety OMOP jako modelu analitycznego:
- Standaryzacja i interoperacyjność — dane z różnych źródeł opisane są w jednolity sposób, co ułatwia ich łączenie i porównywanie.
- Powtarzalność badań — analizy napisane raz można uruchomić na dowolnym zbiorze zgodnym z OMOP, także w innych ośrodkach.
- Badania wieloośrodkowe i federacyjne — ten sam kod analityczny działa w wielu instytucjach bez udostępniania surowych danych pacjentów.
- Wspólne słowniki — spójne mapowanie pojęć klinicznych eliminuje niejednoznaczności i błędy interpretacyjne.
- Dojrzały ekosystem narzędzi — wokół standardu istnieje bogaty zestaw gotowych, otwartych narzędzi analitycznych.
Narzędzia wspierające pracę z OMOP. Wokół standardu rozwinął się szeroki ekosystem bibliotek i aplikacji — przede wszystkim społeczności OHDSI. Do najważniejszych należą:
- Achilles oraz Data Quality Dashboard (DQD) — narzędzia do charakteryzacji zbioru i kontroli jakości danych.
- HADES — zestaw pakietów R (m.in. DatabaseConnector, SqlRender, FeatureExtraction, CohortGenerator, CohortMethod, PatientLevelPrediction) do zaawansowanych analiz, w tym epidemiologicznych i predykcyjnych.
- Narzędzia dla Pythona — dostęp do danych OMOP możliwy jest również z poziomu Pythona (np. biblioteka inspectomop do zapytań na modelu, w połączeniu ze standardowymi bibliotekami data science).
IPCMC oferuje badaczom wsparcie w korzystaniu z tych narzędzi — od konfiguracji i pierwszych kroków, przez budowę kohort i analiz, po zaawansowane obliczenia.
Współpraca z narzędziem Leaf. Standard OMOP dobrze współpracuje z naszym rozwiązaniem do samodzielnego budowania kohort — Leaf. Dzięki temu badacze mogą najpierw interaktywnie, „klikając”, zdefiniować i oszacować interesującą ich grupę pacjentów w Leaf, a następnie prowadzić na danych OMOP pogłębione analizy z użyciem opisanych wyżej narzędzi.
Niestandardowe zestawy danych. Poza Data Martami w standardzie OMOP przygotowujemy również niestandardowe zestawy danych, dopasowane do specyficznych potrzeb konkretnego projektu badawczego. W takim przypadku prosimy o bezpośredni kontakt z Centrum — wspólnie ustalimy zakres, strukturę i sposób przygotowania danych.
Więcej o standardzie: ohdsi.github.io/CommonDataModel