Dela via

Använda exempelnotebook-filer för OMOP-omvandlingar i vårddatalösningar

  • Artikel

Obs

Detta innehåll uppdateras för närvarande.

I det här avsnittet visas två exempelscenarier för Observational Medical Outcomes Partnership (OMOP). Dessa scenarier återspeglar vanliga kliniska forskningsundersökningar som utförs av OMOP communityn angående exponering för primära och sekundära läkemedel i patientpopulationer. Från ett tids- till värdeperspektiv visar det hur snabbt du kan visualisera analytiska resultat på din Fabric-arbetsyta. Du kan uppnå den här visualiseringen genom att köra exempelnotebook-filerna när datapipelines har fyllt i FHIR-kliniska data (elektronisk standard för utbyte av vårdinformation) i silver- respektive guldsjöhusen.

Förutsättningar

Innan du kör exempelnotebook-filerna healthcare#_msft_omop_drug_exposure_era_sample och healthcare#_msft_omop_drug_exposure_insights_sample kontrollerar du att du har följande krav:

Exempelscenario

Exempelscenarierna syftar till att identifiera patientkohorter stratifierade efter kön och ålder som exponeras för ett sekundärt läkemedel under en viss period medan de behandlas med samma primära läkemedel. Processen består av följande steg:

  • Stratifiera patientpopulationen efter kön och ålder.

  • Identifiera läkemedlet (till exempel insulin-isofan, humant 70 IE/ML/insulin, regular, humant 30 enheter) som tagits av patientpopulationen under en period av ett år, minst en gång.

    Om det inte finns tillräckligt med data, överväg en period på fem år istället.

  • Identifiera ett annat läkemedel (det andra läkemedlet) som samma patientpopulation exponeras för under samma period.

  • Diagram över fördelningen av sekundär läkemedelsexponering fördelat på könsgrupper.

  • Generera posterna och visualisera fördelningen som ett histogramdiagram.

Tips!

Exempelscenarierna refererar till OHDSI exempelskripten för läkemedelsperiod och frågorna om OMOP läkemedelsexponering. Du kan granska dessa resurser om du vill veta mer om liknande exempel som publicerats av OMOP-communityn.

Exempel på indata för notebook-körning

Det primära målet med utvecklingsdesignen är att generera läkemedelsperiodposterna, som representeras av den OMOP-standardiserade härledda tabellen drug_era. Den här tabellen lagrar de beräknade läkemedelsperioder, som innehåller aggregerad information om läkemedelsexponeringar grupperade efter person, läkemedelsingrediens och persistensfönster. Den representerar kontinuerliga perioder av förmodad exponering för en specifik aktiv ingrediens, som skiljer sig från enskilda uppgifter om läkemedelsexponering.

Tabellen innehåller följande kolumner:

  • drug_era_id: Unik identifierare för varje läkemedelsperiod.

  • person_id: Sekundärnyckel som refererar till den person som exponerats för läkemedlet, med demografiska uppgifter i tabellen Person.

  • drug_concept_id: Sekundärnyckel som hänvisar till en standardiserad begreppsidentifierare för den aktiva beståndsdelen.

  • drug_era_start_date: Startdatum för läkemedelsperioden, härledd från den första läkemedelsexponeringen.

  • drug_era_end_date: Slutdatum för läkemedelsperioden, baserat på den senaste läkemedelsexponeringen.

  • drug_exposure_count: Totalt antal läkemedelsexponeringar under läkemedelsperioden.

  • gap_days: Antal dagar som inte omfattas av de register över läkemedelsexponering som bidrog till läkemedelsperioden.

För att generera journaler för läkemedelsperioden använder vi följande standardiserade kliniska OMOP-tabeller:

  • Läkemedelsexponering: Denna tabell innehåller data om läkemedelsexponering, inklusive drug_exposure_id, person_id, drug_concept_id, drug_exposure_start_date,, drug_exposure_end_date och days_supply.

  • Concept Ancestor: Denna tabell lagrar hierarkiska relationer mellan koncept i olika vokabulärer, såsom RxNorm. Den innehåller ancestor_concept_id (en referens till ett begrepp på högre nivå) och descendant_concept_id (en referens till ett begrepp på lägre nivå), som representerar kopplingar från bredare till smalare begrepp.

  • Concept: Den här tabellen innehåller begreppsdata, inklusive concept_id, concept_name, domain_id, vocabulary_id och concept_class_id.

Exempel på indataparametrar

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

Exempel på notebook-utdata

När du kör de två exempelnotebook-filerna genererar de ett histogram med en fördelning av den sekundära läkemedelsexponeringen över köns- och åldersgruppen för patientpopulationen som identifierats under en viss period från den härledda OMOP-tabellen omop.drug_era. I det här exemplet betraktar vi en period på ett år.

En bild som visar ett exempel på ett histogram för läkemedelsexponering.

Du kan använda distributionen för att analysera följande aspekter:

  • Påverkan av exponering efter kön och ålder.
  • Medianfördelning av den påverkade populationen.
  • Beskrivande statistik för att beskriva populationens egenskaper.

Saker att komma ihåg

  • Om du vill testa dina anpassade scenarier gör du en kopia av exempelnotebook-filerna. Uppdatera inte notebook-filen direkt.

  • Notebook-filen för visualisering använder följande parametrar som du kan konfigurera för att köra olika analyser:

    • primary_drug: Det primära läkemedlet att analysera.
    • secondary_drug: Det sekundära läkemedlet att analysera.
    • year: Året för vilket analysen ska utföras.

  • Om du kör notebook-filen för läkemedelsexponeringstid flera gånger tas först alla befintliga OMOP drug_era-poster bort och posterna återskapas sedan baserat på de senaste OMOP-data.