著名医師による解説が無料で読めます
すると翻訳の精度が向上します
目的：がんの観察研究は、均一なデータセマンティックベースに基づいた適切なデータ共有と統合に関する大きな課題をもたらします。一般的なデータモデル（CDM）は、データを標準構造に整理することにより、意味の損失を最小限に抑えるさまざまな機関からの健康データリポジトリを統合するのに役立ちます。この研究の目的は、観察医療結果パートナーシップ（OMOP）CDM、生物学とベッドサイド（I2B2）および国際的な癌ゲノムコンソーシアムの統合のための情報学のパフォーマンスを評価することを目的としています。ユーカニメージの乳がんの使用症例。 方法：オントロジーを使用して、OMOP、I2B2、およびICGC ARGOのメタモデルを表し、欧州AIプロジェクトのがんの使用症例で使用される変数を表しました。以前の研究から適応したCDMの4つの評価基準を選択しました：コンテンツカバレッジ、シンプルさ、統合、実装可能性。 結果：I2B2とOMOPは、ICGC Argo（58.1％）よりも高い要素の完全性（各100％）を示しましたが、3つは100％ドメインの完全性を達成しました。ICGC Argoは、標準用語を持つ変数の1つのみを正規化し、I2B2とOMOPはそれらすべてに標準化された語彙を使用します。単純さの観点から、ICGC ArgoとI2B2は、存在論モデル（それぞれ276および175要素）とクエリ（それぞれ7および20行のコード）の両方でより単純であることが証明されましたが、OMOPはより複雑な存在論的学用を必要としました。モデル（615要素）とI2B2（20行）のものと同様のクエリ。実装可能性に関して、OMOPはPubMed（130）およびGoogle Scholar（1,810）の記事で最も多くの言及があり、ICGC Argoは2020年以来CDMの更新数が最も多く、I2B2は特により多くのツールを持つモデルです。CDM用に開発されました（26）。 結論：ICGC Argoは硬直し、腫瘍学的概念の表現が非常に限られていることが証明されましたが、I2B2とOMOPは非常に良いパフォーマンスを示しました。I2B2の一般的な辞書の欠如は、そのスケーラビリティを妨げ、概念フレームワークを明示的に定義するデータを共有するサイトを必要とし、OMOPとその腫瘍学の拡張がより適切な選択である可能性があることを示唆しています。実際のデータセットでこれらのCDMを使用する将来の研究が必要です。
目的：がんの観察研究は、均一なデータセマンティックベースに基づいた適切なデータ共有と統合に関する大きな課題をもたらします。一般的なデータモデル（CDM）は、データを標準構造に整理することにより、意味の損失を最小限に抑えるさまざまな機関からの健康データリポジトリを統合するのに役立ちます。この研究の目的は、観察医療結果パートナーシップ（OMOP）CDM、生物学とベッドサイド（I2B2）および国際的な癌ゲノムコンソーシアムの統合のための情報学のパフォーマンスを評価することを目的としています。ユーカニメージの乳がんの使用症例。 方法：オントロジーを使用して、OMOP、I2B2、およびICGC ARGOのメタモデルを表し、欧州AIプロジェクトのがんの使用症例で使用される変数を表しました。以前の研究から適応したCDMの4つの評価基準を選択しました：コンテンツカバレッジ、シンプルさ、統合、実装可能性。 結果：I2B2とOMOPは、ICGC Argo（58.1％）よりも高い要素の完全性（各100％）を示しましたが、3つは100％ドメインの完全性を達成しました。ICGC Argoは、標準用語を持つ変数の1つのみを正規化し、I2B2とOMOPはそれらすべてに標準化された語彙を使用します。単純さの観点から、ICGC ArgoとI2B2は、存在論モデル（それぞれ276および175要素）とクエリ（それぞれ7および20行のコード）の両方でより単純であることが証明されましたが、OMOPはより複雑な存在論的学用を必要としました。モデル（615要素）とI2B2（20行）のものと同様のクエリ。実装可能性に関して、OMOPはPubMed（130）およびGoogle Scholar（1,810）の記事で最も多くの言及があり、ICGC Argoは2020年以来CDMの更新数が最も多く、I2B2は特により多くのツールを持つモデルです。CDM用に開発されました（26）。 結論：ICGC Argoは硬直し、腫瘍学的概念の表現が非常に限られていることが証明されましたが、I2B2とOMOPは非常に良いパフォーマンスを示しました。I2B2の一般的な辞書の欠如は、そのスケーラビリティを妨げ、概念フレームワークを明示的に定義するデータを共有するサイトを必要とし、OMOPとその腫瘍学の拡張がより適切な選択である可能性があることを示唆しています。実際のデータセットでこれらのCDMを使用する将来の研究が必要です。
OBJECTIVE: Observational research in cancer poses great challenges regarding adequate data sharing and consolidation based on a homogeneous data semantic base. Common Data Models (CDMs) can help consolidate health data repositories from different institutions minimizing loss of meaning by organizing data into a standard structure. This study aims to evaluate the performance of the Observational Medical Outcomes Partnership (OMOP) CDM, Informatics for Integrating Biology & the Bedside (i2b2) and International Cancer Genome Consortium, Accelerating Research in Genomic Oncology (ICGC ARGO) for representing non-imaging data in a breast cancer use case of EuCanImage. METHODS: We used ontologies to represent metamodels of OMOP, i2b2, and ICGC ARGO and variables used in a cancer use case of a European AI project. We selected four evaluation criteria for the CDMs adapted from previous research: content coverage, simplicity, integration, implementability. RESULTS: i2b2 and OMOP exhibited higher element completeness (100% each) than ICGC ARGO (58.1%), while the three achieved 100% domain completeness. ICGC ARGO normalizes only one of our variables with a standard terminology, while i2b2 and OMOP use standardized vocabularies for all of them. In terms of simplicity, ICGC ARGO and i2b2 proved to be simpler both in terms of ontological model (276 and 175 elements, respectively) and in the queries (7 and 20 lines of code, respectively), while OMOP required a much more complex ontological model (615 elements) and queries similar to those of i2b2 (20 lines). Regarding implementability, OMOP had the highest number of mentions in articles in PubMed (130) and Google Scholar (1,810), ICGC ARGO had the highest number of updates to the CDM since 2020 (4), and i2b2 is the model with more tools specifically developed for the CDM (26). CONCLUSION: ICGC ARGO proved to be rigid and very limited in the representation of oncologic concepts, while i2b2 and OMOP showed a very good performance. i2b2's lack of a common dictionary hinders its scalability, requiring sites that will share data to explicitly define a conceptual framework, and suggesting that OMOP and its Oncology extension could be the more suitable choice. Future research employing these CDMs with actual datasets is needed.
医師のための臨床サポートサービス
ヒポクラ x マイナビのご紹介
無料会員登録していただくと、さらに便利で効率的な検索が可能になります。