PCORnet®におけるリサーチレディネスの評価と改善

科学分野:

• ヘルスデータサイエンス
• 臨床データキュレーション
• リサーチデータ管理

背景:

• PCORnet®は、実世界のエビデンス生成に不可欠な全国的なデータネットワークです。
• データ品質と研究準備状況の確保は、信頼性の高い臨床研究にとって不可欠です。
• データキュレーションプロセスは、健康データを標準化および検証するために不可欠です。

研究 の 目的:

• PCORnet®内のデータの研究準備状況を評価および強化すること。
• サイクル7（2019年）からサイクル16（2024年）までのPCORnet®データキュレーションプロセスを報告すること。
• データ量とデータ品質チェックの開発における改善を詳述すること。

主な方法:

• PCORnet®共通データモデル（CDM）の拡張。
• 包括的なデータ品質チェックのスイートの開発と実装。
• ネットワーク全体でのデータチェックのパフォーマンスを経時的に監視すること。

主要な成果:

• 診断レコードが約37億から約69億に、検査結果が約77億から約151億へと、データ量の有意な増加。
• 多数のデータチェックの実装。例として、安定した（将来の日付）、改善された（RxNormマッピング）、および変動する（レコードの永続性）パフォーマンスを示しています。
• PCORnet®ネットワーク全体でのデータ品質とリサーチレディネスの向上の進歩を実証しました。

結論:

• 透明性のあるデータキュレーションは学習を促進し、研究デザインの決定に情報を提供します。
• PCORnet®のデータ品質の向上は、他の健康データイニシアチブに転用可能です。
• 継続的な取り組みは、データ品質と研究準備状況をさらに向上させるための変更可能なメトリクスに焦点を当てています。