允许在弹性环境中与SERDIF框架连接罕见疾病的数据

科学领域:

• 环境健康 环境健康
• 数据科学是数据科学.
• 流行病学 流行病学

背景情况:

• 气候变化加剧了环境因素,增加了全球疾病负担,特别是在易受伤害的人群中,如那些患有罕见疾病的人群.
• 开发风险预测模型的疾病未知病因,如血管炎,需要先进的数据链接方法来探索潜在的环境触发因素.
• 现有的数据链接方法往往不足以整合复杂,动态的环境和健康数据集.

研究的目的:

• 引入语义环境和罕见疾病数据整合框架 (SERDIF) 以链接环境和健康数据.
• 评估SERDIF在促进研究气候相关健康危害和罕见疾病方面的可用性和有效性.
• 证明SERDIF在分析不同卫生环境中的环境因素方面的多功能性,包括非罕见疾病队列.

主要方法:

• 开发语义环境和罕见疾病数据整合框架 (SERDIF),重点是用户友好性和FAIR合规性.
• 在多个欧洲国家研究与气候有关的血管炎健康危害的研究人员中对SERDIF的评估.
• 流行病学家应用SERDIF来调查伦巴第的一个怀孕队列中的环境因素.

主要成果:

• 在评估期间观察到可用性指标的持续改善,证实了SERDIF的有效性.
• 塞尔迪夫成功地为研究人员促进了复杂的环境和健康数据集的联系.
• 该框架通过在妊娠队列中实现环境因素分析来证明其多功能性,并将其实用性扩展到罕见疾病之外.

结论:

• 塞尔迪夫为环境健康数据链接提供了一种新,用户友好和符合FAIR的解决方案.
• 该框架使研究人员和流行病学家能够分析数据,以减轻与气候变化相关的健康风险.
• 塞尔迪夫促进了对罕见疾病和其他受环境因素影响的疾病风险预测模型的开发.