Delen via

De voorbeeld-notebooks voor OMOP transformatie gebruiken in oplossingen voor gezondheidszorggegevens

  • Artikel

Opmerking

Deze inhoud wordt momenteel bijgewerkt.

In deze sectie ziet u twee voorbeeldscenario's van OMOP-voorbeeldscenario's (Observational Medical Outcomes Partnership). Deze scenario's weerspiegelen gangbare klinische onderzoeken die door de OMOP-gemeenschap worden uitgevoerd met betrekking tot blootstelling aan primaire en secundaire geneesmiddelen binnen patiëntenpopulaties. Vanuit een time-to-value-perspectief laat dit zien hoe snel u analytische resultaten kunt visualiseren binnen uw Fabric-werkruimte. U kunt deze visualisatie realiseren door de voorbeeld-notebooks uit te voeren nadat de gegevenspijplijnen de klinische FHIR-gegevens (Fast Healthcare Interoperability Resources) in respectievelijk de zilveren en gouden lakehouses hebben gevuld.

Vereisten

Voordat u de voorbeeld-notebooks healthcare#_msft_omop_drug_exposure_era_sample en healthcare#_msft_omop_drug_exposure_insights_sample uitvoert, moet u ervoor zorgen dat u aan de volgende vereisten voldoet:

Voorbeeldscenario

De voorbeeldscenario's zijn bedoeld om patiëntcohorten te identificeren, gestratificeerd naar geslacht en leeftijd, die gedurende een bepaalde periode zijn blootgesteld aan een secundair geneesmiddel terwijl ze hetzelfde primaire geneesmiddel gebruiken. Het proces omvat de volgende stappen:

  • De patiëntenpopulatie stratificeren op geslacht en leeftijd.

  • Identificeren welk geneesmiddel (bijvoorbeeld insuline-isofaan, humane 70 UNT/ML/insuline, regulier, humane 30Unit) de patiëntpopulatie gedurende een periode van één jaar, ten minste één keer, heeft genomen.

    Zijn er onvoldoende gegevens, overweeg dan een periode van vijf jaar te gebruiken.

  • Identificeer een ander geneesmiddel (het tweede geneesmiddel) waaraan dezelfde patiëntpopulatie in dezelfde periode wordt blootgesteld.

  • Plot de verdeling van blootstelling het secundaire geneesmiddel over de verschillende geslachten.

  • Genereer de records en visualiseer de verdeling als een histogramplot.

Tip

De voorbeeldscenario's verwijzen naar de OHDSI Drug Eras-voorbeeldscripts en de OMOP-query's voor blootstelling aan geneesmiddelen. U kunt deze resources raadplegen om meer te weten te komen over soortgelijke voorbeelden die door de OMOP-community zijn gepubliceerd.

Voorbeeld van invoer voor uitvoering van voorbeeld-notebooks

Het primaire doel van het ontwikkelingsontwerp is het genereren van de records van het geneesmiddelentijdperk, vertegenwoordigd door de OMOP gestandaardiseerde afgeleide tabel drug_era. In deze tabel worden de berekende geneesmiddelentijdperken opgeslagen, met geaggregeerde informatie over blootstelling aan het geneesmiddel, gegroepeerd per persoon, geneesmiddelbestanddeel en persistentieperiode. Het betreft continue periodes van veronderstelde blootstelling aan een specifiek actief ingrediënt, die losstaan van de registratie van individuele blootstelling aan geneesmiddelen.

De tabel bevat de volgende kolommen:

  • drug_era_id: unieke id voor elk geneesmiddeltijdperk.

  • person_id: refererende sleutel die verwijst naar de persoon die aan het geneesmiddel is blootgesteld, met demografische gegevens in de tabel Persoon.

  • drug_concept_id: refererende sleutel die verwijst naar een gestandaardiseerde concept-id voor het actieve ingrediënt.

  • drug_era_start_date: begindatum van het geneesmiddeltijdperk, afgeleid van de eerste blootstelling aan het geneesmiddel.

  • drug_era_end_date: einddatum van het geneesmiddeltijdperk, gebaseerd op de laatste blootstelling aan het geneesmiddel.

  • drug_exposure_count: totaal aantal blootstellingen aan het geneesmiddel tijdens het geneesmiddeltijdperk.

  • gap_days: aantal dagen dat niet is opgenomen in de gegevens over blootstelling aan het geneesmiddel, maar dat wel heeft bijgedragen aan het geneesmiddeltijdperk.

Om de registraties van het geneesmiddelperk te genereren, gebruiken we de volgende door OMOP gestandaardiseerde klinische tabellen:

  • Blootstelling aan geneesmiddel: deze tabel bevat de gegevens over blootstelling aan het geneesmiddel, waaronder drug_exposure_id, person_id, drug_concept_id, drug_exposure_start_date, drug_exposure_end_date en days_supply.

  • Concept-voorloper: in deze tabel worden hiërarchische relaties tussen concepten in verschillende vocabulaires vastgelegd, zoals RxNorm. Het omvat de ancestor_concept_id (een verwijzing naar een concept op een hoger niveau) en de descendant_concept_id (een verwijzing naar een concept op een lager niveau), die de bredere naar de smallere conceptverbindingen vertegenwoordigen.

  • concept: deze tabel bevat de conceptgegevens, waaronder concept_id, concept_name, domain_id, vocabulary_id en concept_class_id.

Voorbeeldinvoerparameters

  • primary_drug = 1596977 - insulin
  • secondary_drug = 1308216 - lisinopril
  • year = 2022

Voorbeeld-notebook-uitvoer

Wanneer u de twee voorbeeld-notebooks uitvoert, genereren ze een histogram met een verdeling van de secundaire blootstelling aan het geneesmiddel over de geslachts- en leeftijdsgroepen van de patiëntenpopulatie die gedurende een specifieke periode is geïdentificeerd uit de afgeleide OMOP-tabel omop.drug_era. In dit voorbeeld gaat het om een periode van één jaar.

Een afbeelding met een voorbeeldhistogram voor blootstelling aan een geneesmiddel.

U kunt de verdeling gebruiken om de volgende aspecten te analyseren:

  • Impact van blootstelling op basis van geslacht en leeftijd.
  • Mediane verdeling van de getroffen populatie.
  • Beschrijvende statistieken om de kenmerken van de populatie te beschrijven.

Punten die u moet onthouden

  • Om uw aangepaste scenario's te testen, maakt u een kopie van de voorbeeld-notebooks. Werk de notebooks niet rechtstreeks bij.

  • Het visualisatie-notebook gebruikt de volgende parameters die u kunt configureren om verschillende analyses uit te voeren:

    • primary_drug: het primaire geneesmiddel dat geanalyseerd moet worden.
    • secondary_drug: het secundaire geneesmiddel dat geanalyseerd moet worden.
    • year: het jaar waarvoor de analyse moet worden uitgevoerd.

  • Wanneer u het notebook voor het tijdperk van blootstelling aan geneesmiddelen meerdere keren uitvoert, worden eerst alle bestaande OMOP-records voor drug_era verwijderd en worden de records vervolgens opnieuw gemaakt op basis van de meest recente OMOP-gegevens.