چرا هر دانشمند داده بهداشتی باید درباره OMOP CDM بداند؟


نویسنده(های): مازن احمد

در ابتدا منتشر شد به سمت هوش مصنوعی.

استانداردسازی داده های مراقبت های بهداشتی

این داستان فقط برای اعضا در اختیار ماست. برای دسترسی به تمام Medium ارتقا دهید.

تصویر توسط نویسنده

مشکل بزرگی که من در محل کار با آن دست و پنجه نرم می کنم استانداردسازی داده های مراقبت های بهداشتی است.

من داده‌ها را از بیمارستان‌های سراسر جهان جمع‌آوری می‌کنم تا یک پایگاه داده متمرکز و یکپارچه برای بیمارستان‌ها و محققان شرکت‌کننده ایجاد کنم تا از آن بهره ببرند.

به نظر می رسد هر بیمارستانی روش خاص خود را برای ثبت داده های مراقبت های بهداشتی دارد. استانداردهای زیادی وجود دارد که بیمارستان ها از آنها پیروی می کنند، اما هیچ توافق جهانی در مورد نحوه ثبت داده های مراقبت های بهداشتی وجود ندارد.

حوزه های زیادی در پزشکی وجود دارد که هر کدام دارای متغیرهای خاصی هستند که باید جمع آوری شوند. به عنوان مثال، جمع آوری داده های قلب و عروق نیاز به مجموعه ای از متغیرهای متفاوتی نسبت به انکولوژی یا غدد درون ریز دارد. این الزامات خاص دامنه لایه‌ای از پیچیدگی را به استانداردسازی اضافه می‌کند، نه تنها باید داده‌های سلامت عمومی مانند سن، جنس و BMI را همسو کنیم، بلکه باید اطمینان حاصل کنیم که نیازهای هر تخصص به اندازه کافی برآورده شده است.

منابع داده های بیمارستانی متفاوت تولید شده در Canva

تولید یک مدل داده که توانایی ضبط دقیق اطلاعات از هر حوزه مراقبت های بهداشتی را داشته باشد، یک چالش بزرگ است. با این حال، اگر این چالش برآورده شود و مدل حاصل به طور گسترده مورد استفاده قرار گیرد، این امر منجر به مقیاس پذیر و قابل همکاری خواهد شد… وبلاگ کامل را به صورت رایگان در Medium بخوانید.

منتشر شده از طریق به سمت هوش مصنوعی



منبع: https://towardsai.net/p/data-engineering/why-every-health-data-scientist-should-know-about-omop-cdm