Mother-infant linked UK electronic birth cohorts representing 17.5 million births harmonised to the OMOP common data model

Questo articolo descrive l'armonizzazione di cinque coorti di nascita elettroniche del Regno Unito, che coprono oltre 17,5 milioni di parti, al modello di dati comune OMOP per creare una risorsa standardizzata e federata che facilita la ricerca interoperabile e riproducibile sulla salute materna e infantile.

L'essenziale

Immaginate di avere cinque biblioteche diverse in tutto il Regno Unito (Inghilterra, Scozia e Galles). Ognuna di queste biblioteche contiene milioni di libri che raccontano la storia della nascita di bambini e della salute delle loro mamme. Il problema? Ogni biblioteca usa un linguaggio diverso, ha scaffali di dimensioni diverse e i libri sono organizzati in modi completamente differenti. Se un ricercatore volesse studiare la salute delle madri e dei bambini in tutto il paese, dovrebbe viaggiare in ogni biblioteca, imparare ogni nuovo linguaggio e cercare di mettere insieme i pezzi del puzzle manualmente. Sarebbe un'impresa impossibile e lenta.

Questo articolo racconta come un gruppo di ricercatori (il partenariato MIREDA) abbia risolto questo problema creando un "traduttore universale" e una "mappa standard" per tutte queste biblioteche.

Ecco la spiegazione semplice di cosa hanno fatto:

1. Il Problema: Cinque Lingue Diverse

Prima di questo lavoro, i dati sulle nascite erano sparsi in cinque grandi progetti (come Born in Wales, Born in Bradford, ecc.).

• La confusione: Un ospedale poteva chiamare "nascita prematura" una cosa, e un altro ospedale un'altra. I codici per le malattie erano diversi.
• Il rischio: Non potevano confrontare facilmente i dati tra una regione e l'altra senza rischiare di fare errori o violare la privacy delle persone.

2. La Soluzione: Il "Modello OMOP" (La Lingua Franca)

I ricercatori hanno deciso di tradurre tutti questi dati in un linguaggio comune chiamato OMOP Common Data Model.

• L'analogia: Immaginate che OMOP sia come il sistema metrico decimale. Prima, ognuno usava pollici, piedi, metri o braccia. Ora, tutti usano i centimetri. Se tutti misurano in centimetri, potete confrontare immediatamente la lunghezza di un tavolo in Scozia con quella di un tavolo in Galles.
• Cosa hanno fatto: Hanno preso i dati grezzi di 17,5 milioni di nascite e li hanno "ripuliti" e riorganizzati secondo le regole di questo modello standard.

3. La Sfida Speciale: Legare Mamme e Bambini

C'era un ostacolo particolare. Il modello OMOP è stato creato pensando a un singolo paziente (ad esempio, un adulto che va dal medico). Ma la gravidanza riguarda due persone collegate: la mamma e il bambino.

• Il problema: Come fai a dire al computer che il "Bambino A" è nato dalla "Mamma B" senza mescolare i loro dati personali?
• La soluzione creativa: Hanno inventato un sistema di "ponti" digitali. Hanno creato una tabella speciale che funge da ponte tra la scheda della mamma e quella del bambino, mantenendo però i loro nomi e dati privati separati e sicuri. È come avere due case separate, ma con un tunnel che permette ai ricercatori di sapere che abitano nella stessa famiglia, senza entrare in casa degli altri.

4. La Magia della "Federazione" (Senza spostare i dati)

Questa è la parte più importante per la sicurezza.

• Come funziona: Immaginate che i dati rimangano chiusi nelle loro biblioteche originali (in ambienti sicuri chiamati Trusted Research Environments). I ricercatori non portano i dati fuori. Invece, inviano un "messaggero" (un codice di analisi) in ogni biblioteca.
• Il risultato: Il messaggero legge i dati, fa i calcoli e riporta solo il risultato (es. "Il 20% delle nascite è stato un parto cesareo"). I dati grezzi non lasciano mai la loro casa. Questo permette di studiare 17,5 milioni di persone come se fossero un unico grande gruppo, rispettando rigorosamente la privacy.

5. Cosa abbiamo guadagnato?

Grazie a questo lavoro, ora i ricercatori possono:

• Studiare le cose rare: Se una malattia colpisce solo 1 bambino su un milione, con un solo ospedale non la vedresti mai. Con 17,5 milioni di nascite, puoi trovarla e studiarla.
• Confrontare le regioni: Possono vedere se le madri in Scozia hanno esiti migliori rispetto a quelle in Inghilterra e capire perché (magari per differenze nelle cure ospedaliere).
• Risparmiare tempo: Invece di creare nuovi studi ogni volta, possono riutilizzare questi dati standardizzati per nuove domande scientifiche.

In Sintesi

Hanno preso un caos di informazioni disordinate (5 biblioteche con 5 linguaggi diversi) e le hanno trasformate in un unico, enorme e ordinato archivio digitale. Hanno creato i "ponti" per collegare mamme e figli e hanno assicurato che i dati rimanessero al sicuro, permettendo agli scienziati di fare ricerche più grandi, migliori e più veloci per la salute di tutti noi.

È come se avessero costruito un'autostrada digitale dove prima c'erano solo sentieri sterrati e ponti di legno: ora il traffico di informazioni scorre veloce, sicuro e diretto verso la scoperta scientifica.

Sommario tecnico

Titolo del Progetto

Coorti di nascita elettroniche UK madre-neonato armonizzate al modello di dati comune OMOP (MIREDA)

1. Il Problema

Le coorti di nascita sono fondamentali per studiare i determinanti della salute e della malattia lungo tutto l'arco della vita. Tuttavia, esistono diverse sfide critiche nell'uso dei dati sanitari elettronici (EHR) per la ricerca materno-infantile nel Regno Unito:

• Eterogeneità dei dati: Le coorti esistenti (in Inghilterra, Scozia e Galles) differiscono per design dello studio, sistemi di codifica e definizioni delle variabili, creando barriere all'analisi trasversale.
• Limiti del modello OMOP standard: Il Common Data Model (CDM) dell'Osservational Medical Outcomes Partnership (OMOP) è progettato attorno al singolo paziente. Non offre nativamente una struttura standardizzata per rappresentare le relazioni complesse tra madre, gravidanza e neonato, né per collegare le registrazioni di più individui (es. madre e figlio) in modo interoperabile.
• Barriere alla condivisione: La necessità di condividere dati a livello individuale per analisi congiunte solleva preoccupazioni sulla privacy e sulla governance dei dati.

2. Metodologia

Il partenariato MIREDA (Mother and Infant Research Electronic Data Analysis) ha sviluppato un processo di armonizzazione per trasformare cinque coorti di nascita elettroniche del Regno Unito nel modello OMOP CDM (versione 5.4).

Fonti dei Dati:
Le coorti incluse coprono oltre 17,5 milioni di nascite e includono:

• Born in Wales (BiW)
• Born in Scotland (BiS)
• Born in Bradford (BiBBS/BiB4ALL)
• Born in South London (eLIXIR)
• Clinical Practice Research Datalink (CPRD) per l'Inghilterra.

Processo di Armonizzazione (ETL):
Il flusso di lavoro è stato eseguito localmente all'interno dei Trusted Research Environments (TRE) di ciascuna coorte per garantire la sicurezza dei dati:

1. Profilazione dei metadati: Utilizzo di WhiteRabbit per scansionare le strutture dei database sorgente.
2. Mappatura dei vocabolari: Utilizzo di Carrot Mapper per allineare i codici clinici locali (SNOMED CT, ICD-10, OPCS-4, Read codes) ai concetti standard OMOP.
3. Trasformazione e Caricamento: Esecuzione delle regole di trasformazione tramite Carrot Transform per popolare le tabelle OMOP.
4. Revisione collaborativa: Le decisioni di mappatura sono state validate tra i partner per garantire coerenza.

Soluzioni Tecniche alle Sfide Specifiche:

• Collegamento Madre-Neonato: Poiché OMOP non ha tabelle native per le relazioni familiari, è stato utilizzato il concetto di fact_relationship per collegare gli ID delle persone (madre e figlio) utilizzando ID di relazione specifici (es. "madre", "figlio", "gemello").
• Episodi di Gravidanza: Le gravidanze sono state rappresentate come record nella tabella condition_occurrence (usando il concetto di "gravidanza"), con date di inizio e fine derivate dal ciclo mestruale e dalla data di parto.
• Gestione delle variabili temporali: È stata implementata una tabella ausiliaria non standard (location_history) per conservare la cronologia degli indirizzi, superando il limite di OMOP che memorizza solo l'indirizzo più recente.
• Armonizzazione delle etnie: Le categorie specifiche del Regno Unito sono state mappate alle categorie "razza" standard di OMOP per l'analisi di base, mentre i dettagli granulari sono stati preservati nella tabella observation per mantenere il dettaglio originale.
• Farmaci: I codici UK (DM+D) sono stati pre-processati e mappati su RxNorm (lo standard OMOP) e classificati con codici ATC.

3. Risultati Chiave

Il risultato è un dataset armonizzato e federato che include:

• Volume: Oltre 17,5 milioni di nascite vive (99,6% singleton) e circa 11,4 milioni di madri.
• Copertura Temporale: Dati che vanno dal 2000 a oggi (con variazioni a seconda della coorte).
• Struttura dei Dati:
  • Le tabelle core OMOP (person, condition_occurrence, measurement, procedure_occurrence, drug_exposure) sono state popoluate con dati materno-infantili.
  • La tabella fact_relationship abilita il tracciamento longitudinale delle famiglie.
• Statistiche Descrittive:
  • Età media delle madri: 29,4 anni.
  • Tasso di parto cesareo: ~20,6% (con variazioni regionali significative, es. 39,7% a Londra vs 19,9% in Galles).
  • Nascite pretermine: 5,4%.
  • Variabilità nei dati mancanti (es. modalità di parto mancante per il 18,8% dei casi), riflettendo le differenze nei sistemi di raccolta dati regionali.

4. Contributi Principali

1. Standardizzazione Interoperabile: Creazione della prima risorsa su larga scala che armonizza dati di nascita eterogenei del Regno Unito in un unico modello (OMOP CDM), abilitando analisi comparabili tra nazioni.
2. Metodologia per Relazioni Complesse: Sviluppo di un approccio innovativo per rappresentare le relazioni madre-neonato-gravidanza all'interno di un modello dati progettato per singoli pazienti, senza creare estensioni non standard che comprometterebbero l'interoperabilità.
3. Analisi Federata: Abilitazione di studi su larga scala senza spostare i dati grezzi. I ricercatori possono eseguire codice analitico all'interno dei TRE locali e combinare solo i risultati aggregati, rispettando rigorosamente la privacy.
4. Riproducibilità: Pubblicazione di tutti gli script, le regole di mappatura e i file JSON di trasformazione sul repository GitHub di MIREDA, permettendo ad altri di estendere il modello ad altre coorti.

5. Significato e Implicazioni

• Ricerca su Malattie Rare: La scala del dataset (17,5 milioni di nascite) permette di studiare esposizioni e esiti rari che non sarebbero analizzabili in singole coorti tradizionali.
• Valutazione delle Politiche: Consente di valutare l'impatto delle politiche sanitarie nazionali e regionali su larga scala e di confrontare le pratiche cliniche tra diverse regioni del Regno Unito.
• Simulazione di Trial: Il dataset supporta la "trial emulation" (simulazione di studi clinici) su dati osservazionali reali.
• Limitazioni e Futuro: Il processo di standardizzazione comporta una certa perdita di granularità (es. assenza di dati su "nessuna malattia" o dettagli etnici specifici). Il lavoro futuro includerà l'armonizzazione completa delle etnie, l'estensione del modello per eventi clinici più complessi e l'integrazione futura dei dati del Nord Irlanda.

In sintesi, questo lavoro rappresenta un passo fondamentale verso la ricerca sanitaria interoperabile e federata, trasformando dati amministrativi frammentati in una risorsa coerente per la salute materno-infantile.