从实验室信息系统的索引中提取LOINC代码:通过Web Scraping解决语义互操作性

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.
• 卫生数据标准 卫生数据标准

背景情况:

• 实验室信息系统 (LIS) 经常使用内部代码,阻碍数据互操作性和研究和医疗保健中的二次使用.
• 标准化实验室数据对于无数据交换和整合到健康数据基础设施至关重要.
• 在LIS中缺乏标准化术语,这阻碍了可查询性和数据聚合.

研究的目的:

• 为了自动提取和映射内部实验室代码到LOINC (逻辑观察标识符名称和代码).
• 通过创建符合FHIR的概念图来增强结构化数据集成.
• 为了应对LIS中非标准化实验室数据的挑战.

主要方法:

• 开发了一个基于Python的工作流,使用Selenium,BeautifulSoup和Pandas进行数据提取和处理.
• 从内部实验室索引中提取实验室数据.
• Mapped将内部代码提取到LOINC,并生成一个符合FHIR的概念图.

主要成果:

• 从内部实验室索引中成功提取了2870个分析物.
• 将768个分析品 (27%) 映射到LOINC代码中.
• 证明了自动化绘图过程的可行性和可扩展性.

结论:

• 自动化方法促进了结构化实验室数据的整合.
• 强调需要与LIS直接集成,以实现全面的数据标准化.
• 强调需要扩大LOINC覆盖范围,特别是对于旧数据,以最大限度地提高互操作性.