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

Este artigo descreve a harmonização de cinco coortes eletrônicas de nascimentos no Reino Unido, abrangendo mais de 17,5 milhões de partos, ao Modelo de Dados Comum OMOP, criando um recurso padronizado e interoperável que permite análises federadas e estudos comparativos em saúde materno-infantil sem a necessidade de compartilhar dados individuais.

O essencial

Imagine que você tem cinco bibliotecas gigantes na Inglaterra, Escócia e País de Gales. Cada uma delas guarda os registros de nascimento de milhões de bebês e suas mães. O problema é que cada biblioteca usa um sistema diferente: uma escreve em "idioma A", outra em "idioma B", e os livros estão organizados de formas totalmente distintas. Se você quiser estudar como a saúde da mãe afeta o bebê em todo o Reino Unido, seria como tentar ler cinco livros ao mesmo tempo, cada um em uma língua diferente, sem poder misturar as páginas.

Este artigo descreve uma grande obra de engenharia de dados chamada MIREDA, que resolveu esse problema. Aqui está a explicação simplificada:

1. O Grande Tradutor (O Modelo OMOP)

Os pesquisadores decidiram criar um "idioma universal" para todos esses registros. Eles usaram um padrão internacional chamado OMOP (uma espécie de "tradutor" ou "dicionário" gigante).

• A Analogia: Pense no OMOP como o sistema de GPS de um aplicativo de navegação. Não importa se você está dirigindo um carro antigo na Escócia ou um novo no País de Gales; o GPS usa os mesmos símbolos e regras para mostrar onde você está. O MIREDA transformou todos os registros de nascimento do Reino Unido para que todos "falem a mesma língua" de dados.

2. O Desafio da "Dança de Casal" (Mãe e Bebê)

O maior desafio foi conectar mães e bebês. O sistema padrão (OMOP) foi feito pensando em pacientes individuais, como se cada pessoa fosse uma ilha. Mas na gravidez, a mãe e o bebê são um "casal" que precisa ser rastreado juntos.

• A Solução: Eles criaram uma "ponte invisível" dentro do sistema. Em vez de apenas listar a mãe e o bebê separadamente, eles adicionaram uma etiqueta especial que diz: "Esta pessoa é a mãe daquela outra pessoa". Isso permite que os pesquisadores sigam a história da mãe e a do bebê lado a lado, sem precisar misturar os dados de forma insegura.

3. A Reunião Federada (Sem Sair de Casa)

Normalmente, para estudar dados de diferentes lugares, você teria que juntar todos os arquivos em um único computador gigante, o que é perigoso para a privacidade e difícil de fazer.

• A Analogia: Imagine que os pesquisadores querem resolver um quebra-cabeça gigante. Em vez de trazer todas as peças para uma única mesa (o que exporia os dados), cada biblioteca (cada país) mantém suas peças em uma sala trancada. Eles enviam apenas as respostas (os resultados das análises) para o centro, e não as peças brutas. Isso é chamado de análise federada. É como se cada biblioteca fizesse sua parte do trabalho e enviasse apenas o resultado final, mantendo a privacidade dos milhões de famílias intacta.

4. O Resultado: Uma Super-Biblioteca

Ao final desse processo, eles criaram um recurso com mais de 17,5 milhões de nascimentos.

• Por que isso é incrível? É como ter uma câmera de vigilância de 17 milhões de famílias. Isso permite que os pesquisadores descubram coisas raras. Por exemplo: "O que acontece com bebês que nascem em dias muito frios em cidades específicas?" ou "Como diferentes políticas de saúde afetam o nascimento de gêmeos?". Com tamanha quantidade de dados, eles podem encontrar padrões que seriam invisíveis em estudos menores.

5. O Que Eles Encontraram (e o que falta)

O estudo mostrou que, embora todos usem o mesmo "idioma", as práticas variam muito. Por exemplo, a taxa de cesáreas eletivas (agendadas) é muito mais alta em Londres do que no País de Gales.

• A Limitação: O "tradutor" não é perfeito. Às vezes, detalhes muito específicos (como a etnia exata ou a ausência de uma doença) podem ser simplificados, como se o tradutor dissesse "branco" em vez de "branco do norte da Inglaterra". Os pesquisadores admitem isso e estão trabalhando para refinar o dicionário.

Resumo Final

O MIREDA é como uma ponte de dados que conecta cinco grandes ilhas de informações de saúde no Reino Unido. Eles não misturaram os dados (para proteger a privacidade), mas criaram um sistema onde os pesquisadores podem fazer perguntas complexas sobre a saúde de mães e bebês em todo o país, usando uma linguagem comum e segura. Isso abre portas para descobertas que podem salvar vidas e melhorar políticas de saúde no futuro.

Resumo técnico

Resumo Técnico: Harmonização de Coortes de Nascimento Eletrônicas do Reino Unido para o Modelo de Dados Comum OMOP

1. O Problema

As coortes de nascimento e gravidez são fundamentais para estudar os determinantes da saúde ao longo da vida. No entanto, a pesquisa em saúde materno-infantil no Reino Unido enfrenta barreiras significativas devido à falta de uma estrutura unificada para harmonizar dados entre diferentes coortes eletrônicas.

• Heterogeneidade: As coortes existentes (na Inglaterra, Escócia e País de Gales) diferem em design de estudo, sistemas de codificação (ex: SNOMED, Read Codes, ICD-10) e definições de variáveis.
• Limitações do Modelo de Dados: O Observational Medical Outcomes Partnership (OMOP) Common Data Model (CDM) é um padrão internacional para dados de saúde, mas foi projetado principalmente em torno de pacientes individuais. Ele não possui uma estrutura nativa padronizada para representar explicitamente as relações complexas entre mães, fetos e episódios de gravidez.
• Fragmentação: A ausência de interoperabilidade impede análises federadas em larga escala, dificultando o estudo de condições raras, a comparação de políticas regionais e a execução de estudos transversais entre nações.

2. Metodologia

O consórcio MIREDA (Mother and Infant Research Electronic Data Analysis) desenvolveu e implementou um pipeline de transformação para harmonizar cinco grandes coortes de nascimento do Reino Unido para o modelo OMOP CDM (versão 5.4).

• Fontes de Dados: As coortes incluem:

  • Born in Wales (BiW)
  • Born in Scotland (BiS)
  • Born in Bradford (BiB)
  • Born in South London (eLIXIR)
  • Clinical Practice Research Datalink (CPRD) da Inglaterra (Gold e Aurum).
  • Escala: Totalizando mais de 17,5 milhões de nascimentos vivos.

• Processo de ETL (Extract, Transform, Load):

  • A transformação ocorreu localmente dentro de Ambientes de Pesquisa Confiáveis (TREs) de cada coorte, garantindo a segurança e a privacidade dos dados (sem transferência de dados brutos entre sites).
  • Ferramentas da comunidade OHDSI foram utilizadas: WhiteRabbit (perfilamento de metadados), Carrot Mapper (mapeamento de vocabulário) e Carrot Transform (execução da transformação).

• Soluções para Desafios Específicos:

  • Vínculo Mãe-Filho: Como o OMOP não suporta nativamente relacionamentos complexos, a equipe utilizou a tabela fact_relationship para vincular os identificadores de pessoa (mãe e filho) usando concept_ids específicos para "mãe" e "filho".
  • Episódios de Gravidez: As gravidezes foram representadas como registros na tabela condition_occurrence (usando o conceito de gravidez), com datas de início e fim derivadas do último período menstrual e da data de parto.
  • Vocabulário de Drogas: Mapeamento de códigos britânicos (Read/SNOMED) para o padrão DM+D e, subsequentemente, para RxNorm (padrão OMOP).
  • Histórico de Localização: Implementação de uma tabela auxiliar não padrão (location_history) para rastrear mudanças de endereço, superando a limitação do OMOP de armazenar apenas o endereço mais recente.
  • Etnicidade: Mapeamento de categorias detalhadas do Reino Unido para conceitos de "raça" do OMOP na tabela person, preservando a granularidade original na tabela observation.

3. Principais Contribuições

• Recurso Padronizado em Larga Escala: Criação do maior recurso harmonizado de saúde materno-infantil do Reino Unido, cobrindo Inglaterra, Escócia e País de Gales.
• Metodologia Reprodutível: Desenvolvimento de diretrizes e scripts reprodutíveis para mapear relações mãe-filho e episódios de gravidez dentro do modelo OMOP padrão, sem a necessidade de extensões não padronizadas que comprometam a interoperabilidade.
• Análise Federada: Habilitação de análises federadas onde o código é executado localmente em cada TRE, e apenas os resultados agregados são compartilhados, mantendo a conformidade com as leis de proteção de dados.
• Documentação e Código Aberto: Todos os scripts de transformação, relatórios de perfilamento e regras de mapeamento estão disponíveis publicamente no repositório GitHub do MIREDA.

4. Resultados e Estatísticas do Conjunto de Dados

O conjunto de dados harmonizado contém mais de 17,5 milhões de registros de nascimentos vivos e cerca de 11,4 milhões de mães.

• Composição: 99% dos nascimentos são de gêmeos únicos; 1% são múltiplos.
• Gestação: 82% dos nascimentos são a termo, 7,1% prematuros e 3,3% pós-termo.
• Modo de Parto: 25,4% das partos com dados disponíveis foram por cesariana (com variações regionais significativas, de 19,9% no País de Gales a 39,7% em Londres).
• Demografia Materna: Idade média de 29,4 anos. A taxa de tabagismo no agendamento da gravidez foi de 2,6%.
• Variabilidade: O estudo destaca variações significativas entre as coortes em indicadores como taxas de cesariana eletiva e parto pós-termo, refletindo diferenças nas práticas clínicas regionais e na captura de dados.

5. Significado e Impacto

• Pesquisa de Condições Raras: A escala massiva do conjunto de dados permite investigar exposições e desfechos raros que seriam impossíveis de estudar em coortes individuais.
• Avaliação de Políticas: Facilita a avaliação do impacto de políticas de saúde em nível populacional e a comparação de práticas entre diferentes regiões do Reino Unido.
• Interoperabilidade Internacional: Ao utilizar o OMOP CDM, este recurso torna-se compatível com redes de pesquisa globais, permitindo comparações internacionais em saúde materno-infantil.
• Limitações Reconhecidas: O artigo admite que a padronização pode resultar em perda de granularidade (ex: ausência de dados de "não doença" no OMOP) e que dados não clínicos (como educação) não são padronizados dentro do modelo CDM, embora possam ser vinculados externamente.

Conclusão: Este trabalho estabelece um marco fundamental para a pesquisa em saúde materno-infantil no Reino Unido, transformando dados eletrônicos fragmentados em um recurso unificado, seguro e interoperável, pronto para análises federadas de próxima geração.