观察性健康数据科学和信息学和手术研究:过去,现在和未来

科学领域:

• 医疗信息学 医疗信息学
• 观测研究 观测研究
• 手术手术手术手术手术

背景情况:

• 单中心手术研究受到偏见,概括性问题和无法研究罕见疾病的限制.
• 手术领域的多中心研究受到监管障碍,不一致的术语和可变数据结构的阻碍.

研究的目的:

• 将观察健康数据科学和信息学 (OHDSI) 计划作为克服多中心观测研究局限性的框架.
• 突出OHDSI计划及其观察医学结果伙伴关系 (OMOP) 共同数据模型 (CDM) 对于手术研究的实用性.

主要方法:

• 使用观察医学结果伙伴关系 (OMOP) 共同数据模型 (CDM) 来将医疗保健数据标准化为一种共同的语言.
• 采用一套开源工具用于研究阶段,从数据提取到统计建模.
• 通过将敏感信息局部化并仅共享总结统计数据来维护数据隐私.

主要成果:

• OMOP CDM将各种数据库标准化为一个共同的代码和词汇,以便进行连贯,可靠的分析.
• 通过OHDSI,可以在多个机构之间进行大规模的协作研究,同时确保监管合规.
• 促进手术的研究深度,包括结果,风险因素,并发症和设备性能.

结论:

• 通过利用OMOP CDM,OHDSI计划为手术多中心观察研究提供了强大的解决方案.
• 标准化数据和开源工具促进了全面的分析,最终改善了手术中的患者护理.