在临床数据中的不一致性的本体学驱动的识别:肺癌表型化的一个案例研究

科学领域:

• 医疗信息学 医疗信息学
• 生物信息学是一种生物信息学.
• 数据科学数据科学数据科学

背景情况:

• 临床数据仓库 (CDW) 对医疗保健研究至关重要.
• 确保CDW中的数据质量对于准确的患者表型定型至关重要.
• 肺癌患者的数据,特别是关于突变和治疗的数据,需要精确的表征.

研究的目的:

• 证明在评估和改善医疗数据质量方面存在实体学的实用性.
• 在CDW中应用一种本体学来表型肺癌患者.
• 将本体查询与传统的SQL方法进行数据检索和验证的比较.

主要方法:

• 开发了一个肺癌领域知识本体.
• 使用本体学查询了波尔多大学医院CDW.
• 识别了具有特定突变 (EGFR/ALK) 的肺癌患者,接受了氨酸激酶抑制剂 (TKI) 治疗.
• 与SQL查询结果比较本体查询结果.

主要成果:

• 存在论查询结果与SQL查询结果非常相匹配.
• 确定了60名肺癌患者的队列,数据不一致.
• 本体学通过发现额外的患者信息来丰富数据集.
• 突出了管理时间和不完美的医疗保健数据的挑战.

结论:

• 实体学通过检测不一致性和增强完整性来显著提高数据质量.
• 标准化流程和强大的数据管理框架对于处理复杂的医疗数据至关重要.
• 解决时间数据管理是有效利用CDW在表型化中的关键.