对后协调的SNOMED CT表达式的验证工具 (VaPCE):开发和可用性研究

科学领域:

• 医疗信息学 医疗信息学
• 健康数据标准 卫生数据标准

背景情况:

• 数字健康需要有效的数据交换和语义互操作性.
• SNOMED临床术语 (SNOMED CT) 支持这一点,但对复杂病例有局限性.
• 在SNOMED CT中后协调允许概念组合,但由于复杂的规则,在验证方面面临挑战.

研究的目的:

• 开发一个工具来验证SNOMED CT后协调表达式 (PCE).
• 为语法和语义错误提供自动化,详细的校正指令.
• 提高PCE验证的用户友好性和可操作性.

主要方法:

• 使用FHIR $validate-code服务和Ontoserver进行PCE正确性检查.
• 处理SNOMED CT概念模型 (JSON) 来对错误进行分类.
• 根据预定义的错误类别生成特定的纠正建议.
• 将该工具集成到一个网络应用程序中,用于单个和批量验证.

主要成果:

• 13.2%的验证的PCE包含错误,主要是无效的属性值.
• 在评估的OncoTree代码中,成功替换了20.9%的不活跃概念.
• 用户反表明他们对错误分类和纠正建议感到满意,并指出可能有更多的细节.

结论:

• 验证工具通过识别错误并提供详细的纠正指南来提高PCE的准确性.
• 支持医疗保健专业人员创建语法和语义上有效的PCE.
• 提高医疗保健系统的整体数据质量和互操作性.