Wdrażanie i konfigurowanie przekształceń OMOP w rozwiązaniach do obsługi danych medycznych
Uwaga
Za wartość jest obecnie aktualizowana.
Przekształcenia OMOP włączają przygotowanie danych do ustandaryzowanej analizy za pomocą otwartych standardów społeczności Observational Medical Outcomes Partnership (OMOP). Z tej funkcji można korzystać po wdrożeniu rozwiązań do obsługi danych medycznych i funkcji Podstawy danych medycznych w obszarze roboczym Fabric.
Przekształcanie OMOP jest opcjonalną możliwością w rozwiązaniach do obsługi danych medycznych w Microsoft Fabric. Masz swobodę decydowania, czy chcesz go używać, w zależności od konkretnych potrzeb lub scenariuszy.
Wymagania wstępne
- Wdrażanie rozwiązań do obsługi danych medycznych w programie Microsoft Fabric.
- Zainstaluj podstawowe notesy i potoki w temacie Wdrażanie podstaw danych medycznych.
Wdrażanie przekształceń OMOP
Funkcję można wdrożyć przy użyciu modułu konfiguracji opisanego w temacie Rozwiązania do obsługi danych medycznych: wdrażanie podstaw danych opieki zdrowotnej. Jednak krok wyboru przykładowych danych w tym module nie wdraża przykładowych danych dla tej funkcji. Przykładowe dane przekształceń OMOP są instalowane wyłącznie w środowisku rozwiązań do obsługi danych medycznych po zakończeniu wdrażania funkcji.
Jeśli moduł instalacyjny nie został użyty do wdrożenia funkcji, a zamiast tego chcesz użyć kafelka funkcji, wykonaj następujące kroki:
Przejdź do strony głównej rozwiązań w zakresie danych opieki zdrowotnej w usłudze Fabric.
Wybierz kafelek przekształcenia OMOP.
Na stronie funkcji wybierz pozycję Wdróż w obszarze roboczym.
Zakończenie wdrożenia może potrwać kilka minut. Nie zamykaj karty ani przeglądarki, gdy wdrażanie jest w toku. Czekając, możesz pracować na innej karcie.
Po zakończeniu wdrażania na pasku komunikatów będzie widoczne powiadomienie.
Wybierz pozycję Zarządzaj możliwościami na pasku komunikatów, aby przejść do strony Zarządzanie możliwościami.
W tym miejscu można wyświetlać i konfigurować artefakty wdrożone za pomocą tej funkcji oraz zarządzać nimi.
Artefakty
Ta funkcja instaluje następujące artefakty w środowisku rozwiązań do obsługi danych medycznych:
| Artefakt | Type |
|---|---|
| healthcare#_msft_gold_omop | Lakehouse |
| healthcare#_msft_omop_silver_gold_transformation | Notes |
| healthcare#_msft_omop_drug_exposure_era_sample | Notes |
| healthcare#_msft_omop_drug_exposure_insights_sample | Notes |
| healthcare#_msft_omop_analytics | Potok danych |
| healthcare#_msft_omop_semantic_model | Model semantyczny |
| Vocab-HDS | Dane próbki |
Przejrzyj srebrny notatnik OMOP
Notes healthcare#_msft_omop_silver_gold_transformation używa interfejsów API OMOP dostarczanych w ramach biblioteki rozwiązań do obsługi danych medycznych do przekształcania danych. Notes przekształca zasoby w magazynie lakehouse healthcare#_msft_silver we wspólny model danych OMOP. Przekształcone dane są następnie wstawiane do magazynu lakehouse OMOP.
Notes jest wdrażany ze wstępnie skonfigurowanymi wartościami wymaganymi do uruchomienia potoku danych przekształceń OMOP. Niektóre parametry konfiguracji dziedziczą z konfiguracji globalnej i można je zastąpić na poziomie notesu. Domyślnie nie trzeba wprowadzać żadnych zmian w plikach konfiguracji notesu. W razie potrzeby możesz przejrzeć lub zmodyfikować konfigurację, wybierając odpowiednie notesy i pliki konfiguracji w środowisku.
Aby dowiedzieć się więcej na temat wykonywania notesu, zobacz Używanie przekształceń OMOP.
Przejrzyj model semantyczny OMOP
Model semantyczny OMOP, healthcare#_msft_omop_semantic_model, jest niestandardowym modelem semantycznym opartym na złotym magazynie lakehouse OMOP. Zawiera on kilka kluczowych relacji CDM OMOP w wersji 5.4 między następującymi tabelami OMOP:
- Lokalizacja
- Osoba
- Obserwacja
- Procedure_Occurrence
- Condition_Occurrence
- Uwaga
- Drug_Exposure
- Visit_Ocurrence
- Image_Occurrence
- Pomiar
Te relacje z minimalnego zestawu potrzebnego do generowania raportów Power BI w funkcji Odnajdywanie i tworzenie kohort (wersja zapoznawcza) w rozwiązaniach do obsługi danych medycznych. Możesz użyć tego modelu semantycznego jako podstawy, dodając więcej tabel OMOP i relacji z magazynu lakehouse OMOP w celu tworzenia niestandardowych raportów Power BI na podstawie standardowych danych magazynu lakehouse OMOP.
Konfigurowanie przykładowego notesu narażenia na leki
W przykładowym notesie healthcare#_msft_omop_drug_exposure_era_sample pokazano, jak wygenerować rekordy OMOP tabeli drug_era przy użyciu języka PySpark (Python) w notesie Azure Synapse Analytics, głównie w celach eksploracyjnych. Generowanie rekordów tabeli drug_era jest zgodne z przykładowym skryptem ery leków OHDSI, który jest dostosowany do pracy z programem PySpark w Azure Synapse Analytics. Kod generatora ery leków jest zawarty w niestandardowej bibliotece języka Python, która jest spakowana jako plik koła (WHL) i przekazana do puli Apache Spark w celu łatwego dostępu.
Przed uruchomieniem notesu należy pamiętać o następujących wymaganiach wstępnych:
Upewnij się, że baza danych OMOP zawiera prawidłowe dane w następujących tabelach:
- drug_exposure
- pojęcie
- concept_ancestor
Te dane można wygenerować przy użyciu przykładowych danych lub własnych danych, uruchamiając potok FHIR do danych OMOP.
Upewnij się, że pakiet koła biblioteki niestandardowej jest dołączony do puli platformy Spark używanej do uruchamiania tego notesu.
Kluczowym parametrem konfiguracyjnym dla tego notesu jest omop_database_name. Ten parametr identyfikuje nazwę bazy danych OMOP, która zawiera dane do wygenerowania tabeli drug_era. Aktualizuj tę wartość tylko wtedy, gdy baza danych OMOP różni się od wartości domyślnej w globalnym pliku konfiguracyjnym.
Jeśli tabela OMOP drug_exposure zostanie wypełniona prawidłowymi danymi, ten notes wywołuje moduł DrugEraGenerator, który łączy okresy czasu, w których dana osoba jest narażona na działanie aktywnego składnika leku, co pozwala na 30-dniową przerwę. Moduł DrugEraGenerator usuwa wszystkie istniejące rekordy drug_era i generuje nowe rekordy, na podstawie najnowszych danych OMOP.
Aby dowiedzieć się więcej na temat wykonywania notesu, zobacz Używanie przykładowych notesów przekształceń OMOP.
Konfigurowanie przykładowego notesu analiz narażenia na leki
Przykładowy notes healthcare#_msft_omop_drug_exposure_insights_sample przedstawia analizę eksploracyjną w tabeli drug_era przy użyciu platformy PySpark w notesie Azure Synapse Analytics. W wyniku analizy generowany jest histogram przedstawiający wtórną ekspozycję pacjentów na składniki aktywne, z podziałem na płeć i wiek w danym roku. Tabela drug_era jest generowana przy użyciu biblioteki niestandardowej DrugEraGenerator wywoływanej przez poprzedni notes healthcare#_msft_omop_drug_exposure_era_sample. Analiza ta rozszerza zapytanie dotyczące Narażenia na lek DEX03: rozkład wieku, stratyfikowany według leku poprzez włączenie stratyfikacji opartej zarówno na płci, jak i wieku.
Przed uruchomieniem notesu należy pamiętać o następujących wymaganiach wstępnych:
- Jeśli chcesz edytować konfigurację notesu, upewnij się, że utworzono kopię tego notesu. Nie aktualizuj notesu bezpośrednio.
- Upewnij się, że tabela drug_era zawiera dane, uruchamiając notes ery ekspozycji na leki. Uruchomienie tego notesu powoduje zastąpienie wszystkich istniejących rekordów drug_era nowymi rekordami na podstawie najnowszych danych OMOP.
- Użyj tego notesu w takiej postaci, w jakiej jest, do analizy eksploracyjnej i utwórz kopię, aby przeprowadzić analizę niestandardową.
Poniżej przedstawiono kluczowe parametry konfiguracji notesu. Następujące parametry można zmodyfikować w celu przeprowadzenia alternatywnej analizy eksploracyjnej ekspozycji pacjentów na leki:
primary_drug_concept_id: narażenie pacjentów na główny składnik aktywny.secondary_drug_concept_id: narażenie pacjentów na drugorzędny składnik aktywny.year: rok docelowy, w którym pacjenci byli aktywnie narażeni zarówno na leki podstawowe, jak i wtórne.
Aby dowiedzieć się więcej na temat wykonywania notesu, zobacz Używanie przykładowych notesów przekształceń OMOP.