Az OpenEHR használata a kutatáshoz

Előző üzenetünkben rövidesen bevezettük az egészségügyi szemantikai interoperabilitás nyílt szabványok megközelítését, nevezetesen az OpenEHR-t. Az OpenEHR-t úgy jellemeztük, mint »hogy különféle szakterületekre vonatkozóan elfogadott űrlapkészlet, amelyet sebész határoz meg a műtéti igényekhez, kardiológus a kardiológiai igényekhez stb. Az OpenEHR nem szabvány a mérnökök számára, hanem az egészségügyi szakemberek szabványa. " Közös szókincs és adatszerkezetek felhasználásával biztosíthatjuk, hogy a különböző rendszerek megértsék a cserélendő adatokat. És itt általában a betegekkel kapcsolatos klinikai adatokra összpontosítunk, amelyek a klinikai informatika területének alapját képezik.

A bizonyítékokon alapuló orvostudománytól a mesterséges intelligenciáig

Mint mindannyian tudjuk, az egészségügyi szakemberek általában kutatók is, amelyek a bizonyítékokon alapuló orvoslás alapját képezik. Ezen túlmenően egyre több más kutató is összpontosít az egészségügyi adatok alapján végzett kutatásokra. Ez magában foglalja nemcsak az egyetemi, hanem a sok iparágot is, például a gyógyszertár, az informatika, a genomika stb. Nyilvánvalóan rengeteg érdekelt fél létezik, akiknek hasznára válna az egészségügyi adatok felhasználása, és most megvizsgáljuk, hogy az OpenEHR pontosan hogyan segíthet. Néhány példát tekintve ezt megtesszük.

1. eset: Az NHS Genomák projektje

Az NHS egy nemrégiben közzétett digitális egészségügyi online platformja az OpenEHR-t fogja használni az NHS 17 különféle bizalmából származó adatgyűjtés céljából. Az OpenEHR archetipusok 70% -ának már rendelkezésre állása miatt képesek voltak gyorsan telepíteni. Amellett, hogy rengeteg erőforrást takarított meg, és csak az archetipusok fennmaradó 30% -át kellett modellezni, képesek voltak gyorsan bevezetni egy nyílt szabványt az NHS-be is - amit eddig még nem tettek ilyen mértékben. Mivel az OpenEHR az adatok alapja, valójában egy új szoftvermegoldás kifejlesztése összpontosít egy adott felhasználási esetre - például ebben az esetben a genomikára -, sokkal hatékonyabb és tartósabb lehet.

2. eset: Közegészségügyi ellátások - nemzeti nyilvántartások, átvilágítási programok stb.

Szlovéniában az OpenEHR-t használják a nemzeti beteg-összefoglaló adatkészlet modellezésére. Ez az adatkészlet olyan adatkészletet képvisel, amelyre szükség van a beteg életének mentéséhez vészhelyzet esetén. Ezenkívül ezeket az adatokat fel lehet használni populációs tanulmányokhoz (a népesség lekérdezés létrehozása az OpenEHR archetipe lekérdezési nyelven nem különösebben nehéz feladat). A nemzeti oltási nyilvántartás közvetlenül a betegek összefoglalójáról szerez adatokat, amely nyilvánvalóan a vakcinázási adatkészletet is tartalmazza. Sőt, az oltások adatait a SNOMED oltási kódok kódolják, így ezek az adatpontok hasznosak lehetnek a nemzetközi kutatások során, amelyeket gyakran végeznek pl. gyógyszeripar.

Az OpenEHR kutatáshoz történő felhasználásának másik példája a nemzeti szűrőprogram a rákmegelőzés részeként Szlovéniában. Dolgoznak egy OpenEHR alapú információs rendszer létrehozásán, amely magában foglalja a hálózat több száz egészségügyi szolgáltatóját.

3. eset: Prediktív elemzés - előrejelzik-e a glükózméréseket egy évvel korábban?

A cukorbetegségben szenvedő betegek előrejelzett klasztereket alkalmazó glükózmérésének idősorozatainak modellezése című cikkben érdekes eredményeket mutattak be a cukorbetegek esetében. A betegekről szóló, OpenEHR-en alapuló egészségügyi adatok gazdag halmaza alapján, és annak ellenére, hogy a végleges adatkészletben kevés beteg volt, a kutatás kimutatta, hogy a betegeket kis csoportokba lehet csoportosítani a cukorbetegséggel kapcsolatos viselkedésük alapján krónikus állapot. A csoportok között voltak azok a betegek, akiknek egyik oldalán jól sikerült a cukorbetegség, és azon betegek között, akiknek folyamatos relapszusuk volt, és így nem kezelt diabetes. Az ilyen betegcsoportokat az egészséggel kapcsolatos paraméterekkel írják le, és felhasználhatók a hasonló paraméterértékekkel rendelkező betegek jövőbeli cukorbetegségének előrejelzésére. Az ilyen kutatás a Predictive Analytics területébe tartozik. A beteg gazdagabb leírása javíthatja a meglévő kutatásokat, amelyeknek a kis minták miatt gyakran érvényességi kérdéseik vannak. Az ilyen gazdag adatok megszerzését megkönnyíti az algoritmusok OpenEHR használatára alapozása. A megfelelő formátumú adatok beszerzése radikálisan növeli a különböző algoritmusokban használt példányok számát, és csökkenti az előfeldolgozáshoz szükséges erőfeszítéseket - ez a feladat a legigényesebb.

Az OpenEHR, mint konszenzus a megismételhető kutatás biztosításához?

Az OpenEHR megközelítésnek a kutatáshoz való haszna hatalmas. Éppen most megérintettük annak a hatalmas potenciálnak a felületét, amelyet az egészségügyben érdekelt felek, a betegek, a klinikusok, a gyógyszerészek, a fizető felek stb. IT emberek. Ezzel támogatja a különféle orvosi specialitások konszenzusának elérését olyan mértékben, hogy az interoperábilis informatikai megoldások kifejlesztéséhez felhasználható legyen. Ezenkívül maga az adatok elválasztják az alkalmazásokat, és ezzel jövőbiztosak lesznek. Még ha az alkalmazást le is állítják, vagy már nem használják, az adatok továbbra is olvashatók és felhasználhatók egy másik rendszer számára. Ezzel a funkcióval a kutatás összefüggésében gyorsan láthatjuk, hogy ha a kutatási kérdéseket az OpenEHR modellekre alapozzuk, az adatok általános megértése miatt magasabb ismételhetőségi szintet is biztosíthatunk.

Abban az esetben, ha csak az OpenEHR használatának gazdasági szempontjai érdekelnek, vegye figyelembe a szövegben említett 70/30 arányt. Ez az arány sok projektnél fordult elő, ami azt jelenti, hogy egy projekt az archetipusok 70% -át újra felhasználhatja, és a fennmaradó 30% -át előállíthatja. Még ez is nagy előnye a pénzügyek szempontjából. Idővel ez az arány javul, mivel egyre több archetípus kerül a közös tudásbázisba.

Bővebben az Iryo-ról: Távirat | Webhely | Fehér könyv | Twitter | Hírlevél