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

Dit artikel beschrijft de harmonisatie van vijf Britse elektronische geboortecohorten, die samen meer dan 17,5 miljoen geboorten omvatten, naar het OMOP-gegevensmodel om schaalbaar, reproduceerbaar en federatief onderzoek naar de gezondheid van moeder en kind mogelijk te maken.

De kern

De Grote Moeder-Kind Geboorteboer: Hoe 17,5 miljoen geboorten in één groot boek terechtkwamen

Stel je voor dat je een gigantische bibliotheek hebt, maar elke boekenkast is een ander land. In de ene kast staan de boeken in het Engels, in de andere in het Schots, en in een derde in het Welsh. De titels lijken op elkaar, maar de inhoud is zo verschillend dat je ze niet naast elkaar kunt leggen om een groot verhaal te vertellen.

Dat is precies wat er gebeurde met de geboorteregisters in het Verenigd Koninkrijk. Er waren vijf grote groepen data (uit Wales, Schotland, Bradford, Zuid-Londen en het landelijke CPRD-register) die allemaal geboorten vastlegden, maar elk op hun eigen, rommelige manier.

Het probleem: Een taalbarrière
Elk ziekenhuis en elke regio gebruikte zijn eigen "taal" (codes) om dingen te beschrijven. Wat in Bradford "een keizersnede" heette, kon in Wales een heel andere code hebben. Bovendien was het lastig om te zien welke baby bij welke moeder hoorde, omdat de systemen niet altijd goed aan elkaar gekoppeld waren.

De oplossing: De OMOP-vertaler
De onderzoekers van het MIREDA-team (een team van experts) hebben een oplossing bedacht. Ze hebben een soort "universele vertaler" gebouwd, genaamd het OMOP Common Data Model.

Je kunt dit vergelijken met het maken van één groot, standaard receptenboek.

• Vroeger: Iedere kok (elk ziekenhuis) schreef zijn recepten op in zijn eigen stijl. De ene schreef "een snufje zout", de andere "5 gram natriumchloride". Je kon de gerechten niet vergelijken.
• Nu: Ze hebben alle recepten vertaald naar één standaardtaal. Nu staat in elk boek precies hetzelfde: "5 gram zout".

Hoe hebben ze dit gedaan?

1. De Moeder-Kind Koppeling: In het standaardboek (OMOP) staat er meestal alleen informatie over één persoon. Maar bij een geboorte zijn er twee: de moeder en de baby. De onderzoekers hebben een slimme "lijm" uitgevonden (een speciale tabel) die de moeder en de baby aan elkaar plakt, zodat je kunt zien wie bij wie hoort, zonder dat je de gegevens hoeft te verplaatsen.
2. De Veilige Kamer: Ze hebben de gegevens niet naar één centrale plek getransporteerd (wat gevaarlijk zou zijn voor de privacy). In plaats daarvan hebben ze de vertalers naar de lokale "veilige kamers" (de Trusted Research Environments) gestuurd. Daar is de vertaling gedaan, en alleen de samenvattingen (de resultaten) werden gedeeld. De originele, gevoelige gegevens bleven veilig op hun plek.

Wat hebben ze nu?
Ze hebben een enorme database gecreëerd met 17,5 miljoen geboorten. Dat is net zo groot als de bevolking van Nederland, maar dan allemaal geboorten!

Dit is als een superkracht voor onderzoekers:

• Zeldzame ziektes vinden: Als je een ziekte hebt die maar bij 1 op de 10.000 baby's voorkomt, heb je een enorme database nodig om er genoeg voorbeelden van te vinden. Met 17,5 miljoen geboorten kunnen ze zelfs de zeldzaamste ziektes bestuderen.
• Vergelijken: Ze kunnen nu zien of een behandeling in Schotland beter werkt dan in Wales, omdat ze nu "appels met appels" vergelijken in plaats van "appels met peren".
• Toekomstige studies: Ze kunnen kijken hoe kinderen zich ontwikkelen als ze ouder worden, omdat de data nu goed gekoppeld is.

De beperkingen (De kleine krassen in het boek)
Natuurlijk is het niet perfect. Omdat ze alles in één standaardtaal hebben vertaald, zijn sommige fijne details misschien wat minder scherp geworden. Net als bij het vertalen van een gedicht: de betekenis blijft, maar de specifieke klank van de originele woorden kan soms verloren gaan. Ook zijn sommige gegevens (zoals "geen ziekte") niet altijd even duidelijk vastgelegd in het nieuwe systeem.

Conclusie
Kortom: De onderzoekers hebben een brug gebouwd tussen vijf verschillende landen in het VK. Ze hebben 17,5 miljoen geboorteregels omgezet in één groot, begrijpelijk verhaal. Hierdoor kunnen artsen en onderzoekers nu samenwerken om de gezondheid van moeders en baby's in heel het land te verbeteren, zonder dat ze elkaars geheimen hoeven te delen.

Technische samenvatting

Probleemstelling

Gevallen van geboorte en zwangerschap zijn cruciaal voor het begrijpen van de determinanten van gezondheid en ziekte over de levensloop. Hoewel er in het Verenigd Koninkrijk (VK) meerdere elektronische geboortecohorten bestaan (zoals Born in Wales, Born in Scotland, Born in Bradford, etc.), ontbreekt er een gestandaardiseerde structuur om deze gegevens te harmoniseren.

• Heterogeniteit: De bestaande cohorten verschillen aanzienlijk in studieopzet, coderingsystemen (bijv. SNOMED, Read codes, ICD-10) en variabele definities.
• Beperkingen van bestaande modellen: De Observational Medical Outcomes Partnership (OMOP) Common Data Model (CDM) is primair ontworpen rond individuele patiënten. Het biedt geen standaardstructuur voor de complexe relaties tussen moeders, zwangerschappen en baby's, wat de mogelijkheid beperkt om kinderen longitudinaal te volgen of federatieve analyses uit te voeren zonder ruwe data te delen.
• Data-isolatie: Door gebrek aan interoperabiliteit kunnen grote, representatieve datasets niet efficiënt worden samengevoegd voor onderzoek naar zeldzame blootstellingen of uitkomsten.

Methodologie

De Mother and Infant Research Electronic Data Analysis (MIREDA) partnerschap heeft een reproduceerbaar proces ontwikkeld om vijf grote VK-cohorten te transformeren naar de OMOP CDM (versie 5.4).

1. Data Bronnen:
De harmonisatie omvatte meer dan 17,5 miljoen geboortes uit:

• Born in Wales (BiW)
• Born in Scotland (BiS)
• Born in Bradford (BiBBS/BiB4ALL)
• Born in South London (eLIXIR)
• Clinical Practice Research Datalink (CPRD Gold en Aurum) voor Engeland.

2. Het ETL-proces (Extract, Transform, Load):
Het proces vond plaats binnen lokale Trusted Research Environments (TREs) om de privacy te waarborgen.

• Metadata Profiling: Gebruik van WhiteRabbit om bronstructuren en vocabulaires te scannen.
• Vocabulaire Mapping: Gebruik van Carrot Mapper om bronvariabelen te mappen naar standaard OMOP-concepten (SNOMED CT, RxNorm, ICD-10, OPCS-4).
• Transformatie: Carrot Transform werd gebruikt om de JSON-transformatieregels lokaal uit te voeren en de data te laden in de OMOP CDM-formaat.

3. Technische Oplossingen voor Specifieke Uitdagingen:

• Moeder-Kind Koppeling: Omdat OMOP geen standaard tabel heeft voor relaties, werd de fact_relationship-tabel gebruikt. Moeder-kind-relaties werden gelinkt via specifieke relationship_concept_id's (bijv. 'mother' en 'child').
• Representatie van Zwangerschap: Zwangerschapsperiodes werden gemodelleerd als condition_occurrence records (met concept ID voor 'zwangerschap'), met start- en einddata gebaseerd op de laatste menstruatie en de geboortedatum.
• Locatiegeschiedenis: Omdat OMOP alleen de huidige locatie opslaat, werd een niet-standaard helper-tabel (location_history) toegevoegd om tijdsafhankelijke demografische variabelen te behouden.
• Medicatie: UK-specifieke codes (Read/SNOMED) werden eerst gemapped naar het UK DM+D-standaard en vervolgens naar RxNorm voor compatibiliteit.
• Etniciteit: Om detailverlies te voorkomen bij het mappen naar de standaard OMOP 'race'-categorieën, werden gedetailleerde UK-ethniciteitscategorieën bewaard in de observation-tabel, terwijl de brede categorieën in de person-tabel werden opgenomen.

Belangrijkste Bijdragen

1. Grootschalige Harmonisatie: Het creëren van een uniek, gestandaardiseerd resource van 17,5 miljoen geboortes, wat de grootste tot nu toe is voor moeder-kindonderzoek in het VK.
2. Federatieve Analyse: Het mogelijk maken van analyses over meerdere cohorten en landen heen zonder dat individuele patiëntgegevens de lokale TRE's verlaten.
3. Reproduceerbare Methodiek: Het publiceren van open-source scripts, mapping-regels en documentatie via de MIREDA GitHub-repository, waardoor andere cohorten het proces kunnen repliceren.
4. Nieuwe Koppelingsmechanismen: Een bewezen methode om moeder-kind-relaties en zwangerschapsperiodes binnen de strikte structuur van de standaard OMOP CDM te modelleren, zonder noodzaak voor niet-standaard extensies die de interoperabiliteit zouden schaden.

Resultaten

De geharmoniseerde dataset bevat de volgende kenmerken:

• Omvang: 17.456.840 totale geboortes, waarvan 17.378.785 levende geboortes (99,6%).
• Populatie: 11.443.154 unieke moeders met een gemiddelde leeftijd van 29,4 jaar.
• Geboorte-uitkomsten:
  • 82% van de geboortes was op termijn (term).
  • 7,1% was te vroeg (preterm).
  • 20,6% van de bevallingen was een keizersnede.
• Variatie: Er zijn significante regionale verschillen waargenomen, bijvoorbeeld in het percentage electieve keizersneden (varieert van 19,9% in Wales tot 39,7% in Londen) en post-term geboortes.
• Datakwaliteit: Technische validatie (via automatische schema-validatie en handmatige steekproeven) bevestigde de nauwkeurigheid van de concept-mapping en de integriteit van de moeder-kind-koppelingen.

Betekenis en Toekomstperspectief

Deze dataset is een krachtig instrument voor:

• Onderzoek naar zeldzame aandoeningen: Door de enorme steekproefgrootte kunnen zeldzame blootstellingen en uitkomsten worden bestudeerd.
• Beleidsevaluatie: Het evalueren van de impact van nationale gezondheidsbeleid en regionale praktijken op moeder- en kindgezondheid.
• Proefstudies (Trial Emulation): Het ondersteunen van het simuleren van klinische trials met behulp van observationele data.

Beperkingen en Toekomst:

• De standaardisatie kan leiden tot verlies van granulariteit (bijv. bij etniciteit of het ontbreken van ziekte).
• Niet-gezondheidsgerelateerde data (zoals onderwijs) is niet volledig gestandaardiseerd binnen de OMOP CDM.
• Toekomstige ontwikkelingen omvatten het toevoegen van Noord-Ierse data, het uitbreiden van de dataset in Schotland na invoering van 'opt-out' toestemming, en het ontwikkelen van een composite maatstaf voor sociaaleconomische status (IMD) voor betere vergelijkbaarheid.

Kortom, dit werk biedt een fundamentele stap in de richting van interoperabel, reproduceerbaar en veilig onderzoek naar moeder- en kindgezondheid op nationaal niveau in het VK.