部署和配置医疗保健数据解决方案中的 OMOP 转换

项目
11/15/2024

备注

此内容目前正在更新。

OMOP 转换通过观察性医疗结果伙伴关系 (OMOP) 开放社区标准为标准化分析实现数据准备。在将医疗保健数据解决方案和医疗保健数据基础功能部署到 Fabric 工作区后，您可以使用此功能。

OMOP 转换是 Microsoft Fabric 中医疗保健数据解决方案下的一项可选功能。您可以根据具体需求或应用场景灵活地决定是否使用它。

先决条件

部署 Microsoft Fabric 中的医疗保健数据解决方案。
在部署医疗保健数据基础中安装基础笔记本和管道。

部署 OMOP 转换

您可以使用医疗保健数据解决方案：部署医疗保健数据基础中所述的设置模块部署该功能。但是，本模块中的示例数据选择步骤不会为此功能部署示例数据。完成功能部署后，OMOP 转换示例数据将专门安装在您的医疗保健数据解决方案环境中。

如果未使用设置模块部署该功能，而是希望改用功能磁贴，请按照以下步骤操作：

转到 Fabric 上的“医疗保健数据解决方案”主页。
选择“OMOP 转换”磁贴。
在“功能”页面上，选择部署到工作区。
完成部署可能需要几分钟时间。部署过程中不要关闭选项卡或浏览器。在等待期间，您可以在另一个选项卡中工作。

部署完成后，您可以在消息栏上看到一条通知。
从消息栏中选择管理功能，以转到功能管理页面。

在这里，您可以查看、配置和管理使用该功能部署的项目。

项目

该功能在您的医疗保健数据解决方案环境中安装以下项目：

项目	类型
healthcare#_msft_gold_omop	湖屋
healthcare#_msft_omop_silver_gold_transformation	笔记本
healthcare#_msft_omop_drug_exposure_era_sample	笔记本
healthcare#_msft_omop_drug_exposure_insights_sample	笔记本
healthcare#_msft_omop_analytics	数据管道
healthcare#_msft_omop_semantic_model	语义模型
Vocab-HDS	抽样数据

查看 OMOP 银牌笔记本

healthcare#_msft_omop_silver_gold_transformation 笔记本使用作为医疗保健数据解决方案库的一部分提供的 OMOP API 进行数据转换。该笔记本将 healthcare#_msft_silver 湖屋中的资源转换到 OMOP Common Data Model 中。然后，转换的数据将插入到 OMOP 湖屋中。

笔记本使用运行 OMOP 转换数据管道所需的预配置值进行部署。某些配置参数继承自全局配置，可以在笔记本级别覆盖。默认情况下，您不需要对笔记本配置文件进行任何更改。如果需要，可以通过选择环境中相应的笔记本和配置文件来查看或修改配置。

若要了解有关笔记本执行的详细信息，请参阅使用 OMOP 转换。

查看 OMOP 语义模型

OMOP 语义模型 healthcare#_msft_omop_semantic_model 是基于 OMOP 金牌湖屋的自定义生成的语义模型。它包括以下 OMOP 表之间的一些关键 OMOP CDM 版本 5.4 关系。

地点
人员
观察结果
Procedure_Occurrence
Condition_Occurrence
备注
Drug_Exposure
Visit_Ocurrence
Image_Occurrence
度量

这些关系形成在医疗保健数据解决方案中的发现和生成队列（预览版）功能中生成 Power BI 报表所需的最小集。您可以使用此语义模型作为基础，从 OMOP 湖屋中添加更多 OMOP 表和关系，以根据 OMOP 标准湖屋数据创建自定义 Power BI 报表。

配置药物暴露时代示例笔记本

healthcare#_msft_omop_drug_exposure_era_sample 示例笔记本演示如何在 Azure Synapse Analytics 笔记本中使用 PySpark (Python) 语言在 OMOP 中生成 drug_era 表记录，主要用于探索目的。 drug_era 表记录生成遵循 OHDSI 药物时代示例脚本，该脚本适用于与 Azure Synapse Analytics 中的 PySpark 结合使用。药物时代生成器代码包含在自定义 Python 库中，该库打包为 wheel (WHL) 文件并上传到 Apache Spark 池以便于访问。

在运行笔记本之前，请记住以下先决条件：

确保 OMOP 数据库在下表中具有有效数据：
- drug_exposure
- concept
- concept_ancestor
您可以使用示例数据生成此数据，也可以通过运行 FHIR 到 OMOP 数据管道来生成自己的数据。
确保自定义库 wheel 包附加到用于运行此笔记本的 Spark 池。

此笔记本的关键配置参数是 omop_database_name。此参数标识 OMOP 数据库的名称，其中包含用于生成 drug_era 表的数据。仅当 OMOP 数据库与全局配置文件中的默认值不同时，才更新此值。

如果 OMOP drug_exposure 表中填充了有效数据，此笔记本将调用 DrugEraGenerator 模块，该模块将某个人暴露于活性药物成分的时间段串联在一起，允许间隔 30 天。 DrugEraGenerator 模块将删除所有现有 drug_era 记录，并根据最新的 OMOP 数据生成新记录。

若要了解有关笔记本执行的详细信息，请参阅使用 OMOP 转换示例笔记本。

配置药物暴露见解示例笔记本

healthcare#_msft_omop_drug_exposure_insights_sample 示例笔记本演示了在 Azure Synapse Analytics 笔记本中使用 PySpark 对 drug_era 表进行探索性分析。该分析将生成一个直方图，显示患者对活性成分的次要药物暴露，按特定年份的性别和年龄分层。使用上一个笔记本 healthcare#_msft_omop_drug_exposure_era_sample 调用的自定义库 DrugEraGenerator 生成 drug_era 表。此分析通过合并基于性别和年龄的分层扩展药物暴露查询 DEX03：年龄分布，按药物分层。