在人类生物监测研究中提高数据互操作性:HBM数据工具包

科学领域:

• 环境健康科学 环境健康科学
• 计算生物学 计算生物学
• 数据科学数据科学数据科学

背景情况:

• 协调异质的人类生物监测 (HBM) 数据对于可靠的结论和公平的数据原则至关重要.
• 现有的HBM数据聚合方法需要优化数据完整性和互操作性.
• 化学品风险评估伙伴关系 (PARC) 倡议强调需要标准化HBM数据处理.

研究的目的:

• 引入HBM数据工具包,旨在优化HBM研究中的数据完整性,互操作性和保密性.
• 为协调,验证和分析HBM数据提供灵活的基于Web的解决方案.
• 为了促进HBM数据的聚合,以加强化学风险评估.

主要方法:

• 使用Python开发一个由4个模块组成的工具包 (协调,验证,衍生变量,总结统计).
• 实现Pyodide和WebAssembly,在Web浏览器内进行安全的本地执行,消除数据上传.
• 使用灵活的模板和标准化方案,与HBM4EU和PARC项目规范保持一致,用于数据验证和转换.

主要成果:

• 该HBM数据工具包使个人暴露和健康 (PEH) 平台中的数据存储协调.
• 已验证的HBM数据与蒙特卡罗风险评估 (MCRA) 平台兼容.
• 该工具包支持计算归算的审查数据,生物标记数据的标准化/规范化,以及生成可视化和集成到像IPCHEM这样的平台中的总结统计数据.

结论:

• 该HBM数据工具包有效地提高了人类生物监测研究中的数据质量,协调和聚合.
• 当地执行,用户友好的代码库和标准化方案为一致的HBM数据分析提供了统一的框架.
• 该工具包支持对各种HBM研究进行可靠的解释,有助于改进化学风险评估.