Mother-infant linked UK electronic birth cohorts representing 17.5 million births harmonised to the OMOP common data model
تصف هذه الورقة عملية المواءمة الناجحة لخمس مجموعات بيانات بريطانية متنوعة للمواليد الإلكترونيين، والتي تشمل أكثر من 17.5 مليون ولادة، ضمن نموذج البيانات المشترك (OMOP) لإنشاء مورد موحد وموحد يتيح إجراء أبحاث واسعة النطاق وقابلة للتكرار في مجال صحة الأم والطفل عبر إنجلترا واسكتلندا وويلز دون مشاركة البيانات على المستوى الفردي.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول حل لغز ضخم يتعلق بصحة الأمهات والأطفال في جميع أنحاء المملكة المتحدة. لديك خمسة فرق مختلفة، كل فريق يمتلك كومة ضخمة من قطع اللغز. المشكلة؟ قطع كل فريق لها أشكال مختلفة، وألوان مختلفة، وصور مختلفة على ظهرها. أحد الفرق يستخدم قطعاً مربعة، وآخر يستخدم مثلثات، وجميعهم يتحدثون "لغات" مختلفة قليلاً لوصف الشيء نفسه (مثل وزن مولود أو ضغط دم الأم).
إذا حاولت خلطهم جميعاً معاً، فستكون فوضى عارمة. لن تتمكن من رؤية الصورة الكبيرة.
هذه الورقة البحثية تتحدث عن مشروع يسمى MIREDA (تحليل البيانات الإلكترونية لأبحاث الأم والرضيع) الذي قرر حل هذه المشكلة. لقد بنوا "محولاً" عالمياً ضخماً يحول كل تلك القطع المختلفة إلى نفس الشكل واللون تماماً، حتى يمكنهم التوافق مع بعضهم البعض بشكل مثالي.
إليك كيف فعلوا ذلك، مشروحاً ببساطة:
1. الهدف: صورة واحدة كبيرة
أراد الباحثون دراسة أكثر من 17.5 مليون حالة ولادة في إنجلترا واسكتلندا وويلز. هذا عدد هائل من الأطفال! ولكن لأن البيانات جاءت من مستشفيات ومناطق مختلفة، فقد كانت مبعثرة وغير منظمة. أرادوا دمج هذه السجلات للإجابة على أسئلة كبرى: لماذا يولد بعض الأطفال مبكراً؟ كيف تؤثر صحة الأم على طفلها بعد سنوات؟ هل المكان الذي تعيش فيه يغير نتائج الولادة؟
2. الحل: "المترجم العالمي" (OMOP)
لجعل البيانات تتحدث مع بعضها البعض، استخدموا مخططاً قياسياً يسمى نموذج البيانات المشترك OMOP. فكر في الأمر كأنه محول طاقة عالمي.
- قبل: القابس البريطزي (بيانات مستشفيات المملكة المتحدة) لا يمكنه التوافق مع المقبس الفرنسي (قاعدة بيانات مستشفى اسكتلندي).
- بعد: قام فريق MIREDA ببناء محول يحول كل قابس بريطاني إلى شكل قياسي يناسب كل مكان.
الآن، سجل "التدخين أثناء الحمل" من ويلز يبدو تماماً مثل سجل "التدخين أثناء الحمل" من لندن. إنهم يتحدثون اللغة نفسها.
3. الجزء الصعب: الرابط بين الأم والطفل
معظم قواعد البيانات الحاسوبية مصمصة لتتبع شخص واحد في كل مرة. لكن الحمل حالة خاصة لأنه يتضمن شخصين (الأم والطفل) مرتبطان بعمق لفترة قصية، ثم يصبح الطفل شخصاً مستقلاً.
تخيل قاعدة بيانات تعرف فقط "أليس" و"بوب"، لكنها لا تعرف أنهما أم وابنها.
- المشكلة: قواعد البيانات القياسية لا تحتوي على زر "شجرة العائلة" مدمج.
- الحل: أنشأ الفريق "بطاقة ربط" خاصة (تسمى جدول fact_relationship). إنها تشبه بطاقة الاسم التي تقول: "أليس هي والدة بوب، وقد كانا معاً خلال هذه الحمل المحدد". هذا يسمح للباحثين بتتبع قصة الأم وقصة الطفل بشكل منفصل، ولكن أيضاً رؤية كيف يرتبطان ببعضهما البعض.
4. العملية: "المصنع"
لم يقم الفريق بنقل البيانات الفعلية (لأن ذلك سيكون غير آمن وغير قانوني). بدلاً من ذلك، أرسلوا "التعليمات" (قواعد المحول) إلى الغرفة الحاسوبية الآمنة لكل مستشفى (والتي تسمى بيئة بحث موثوقة - Trusted Research Environment).
- المصنع: داخل كل غرفة آمنة، قامت آلة (برنامج) بأخذ البيانات المحلية غير المنظمة، وتمريرها عبر "المترجم العالمي"، وتحويلها إلى تنسيق OMOP القياسي والنظيف.
- النتيجة: لم تغادر البيانات الخام المستشفى أبداً. فقط النتائج المعيارية والمجهولة الهوية هي التي تمت مشاركتها. هذا يشبه إرسال وصفة إلى طباخ في مطبخ مغلق؛ يقوم الطباخ بطهي الوجبة ويرسل لك المذاق، لكنك لا ترى المكونات ولا المطبخ.
5. التحديات (الأعطال)
حتى مع وجود خطة رائعة، واجهتهم بعض العقبات:
- العناوين المفقودة: النموذج القياسي يتذكر فقط عنوانك الحالي. ولكن بالنسبة للأطفال، فإن المكان الذي كنت تعيش فيه أثناء الحمل هو المهم. اضطروا لبناء "دفتر ملاحظات للسفر عبر الزمن" خاص (جدول مساعد) لتتبع أين عاشت العائلات في الماضي.
- التفاصيل المفقودة: أحياناً يكون النموذج القياسي بسيطاً جداً. على سبيل المثال، إذا قالت الأم "لا أعرف" بشأن عرقها، فقد يكتفي النموذج القياسي بالقول "مفقود". اضطر الفريق لإيجال طرق ذكية للحفاظ على إجابات "لا أعرف" تلك حتى لا يفقدوا الدقة والتفاصيل.
- أسماء الأدوية: قد يسمي مستشفى ما دواءً "باراسيتامول"، وآخر "أسيتامينوفين"، وثالث يستخدم رمزاً مثل "12345". كان عليهم إنشاء قاموس ضخم لترجمة كل هذه الأسماء إلى اسم واحد قياسي.
6. لماذا يهم هذا؟
الآن، يمكن للباحثين تشغيل برنامج حاسوبي واحد يسأل سؤالاً (مثلاً: "كم عدد الأطفال الذين ولدوا مبكراً في عام 2020؟") وسيقوم البرنامج فوراً بتشغيل هذا السؤال عبر جميع الـ 17.5 مليون سجل في إنجلترا واسكتلندا وويلز.
- لا مزيد من الانتظار: ليس عليهم الانتظار لسنوات للحصول على إذن لمشاركة البيانات.
- إجابات أفضل: يمكنهم رصد الأمراض النادرة أو الآثار الجانبية النادرة لأن لديهم هذا العدد الضخم من الناس لدراستهم.
- العدالة: يمكنهم المقارنة لمعرفة ما إذا كان الطفل المولود في منطقة فقيرة لديه نتائج مختلفة عن طفل ولد في منطقة غنية، وذلك عبر الدولة بأكملها.
الخلاصة
هذه الورقة هي مخطط لكيفية تحويل كومة فوضوية من السجلات الطبية المختلفة إلى مكتبة واحدة ضخمة ومنظمة. إنها تشبه أخذ خمس لغات مختلفة وإنشاء قاموس واحد مثالي حتى يتمكن الأطباء والعلماء من جميع أنحاء المملكة المتحدة من العمل معاً أخيراً لجعل الأمهات والأطفال أكثر صحة.
باختصار: لقد بنوا مترجماً عالمياً لبيانات الأطفال، مما سمح للمملكة المتحدة أخيراً بأن "تتحدث" بصوت واحد لتحسين الرعاية الصحية للجميع.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.