Bài 20: CDM_SOURCE, METADATA, COHORT & Tổng kết toàn bộ OMOP CDM 5.4
Bảng CDM_SOURCE mô tả nguồn dữ liệu, METADATA lưu thông tin bổ sung, COHORT quản lý nhóm nghiên cứu. Tổng kết toàn bộ 37 bảng OMOP CDM 5.4 và lộ trình tiếp theo.
Giới thiệu
Bài cuối cùng của series! Chúng ta sẽ tìm hiểu nhóm Metadata (CDM_SOURCE, METADATA) và COHORT — bảng quản lý nhóm nghiên cứu. Sau đó tổng kết toàn bộ 37+ bảng OMOP CDM 5.4 và lộ trình học tiếp.
1. CDM_SOURCE — Thông tin nguồn dữ liệu
1.1. Cấu trúc bảng
Cột
Kiểu
Bắt buộc
Mô tả
cdm_source_name
VARCHAR(255)
✅
Tên nguồn dữ liệu
cdm_source_abbreviation
VARCHAR(25)
✅
Tên viết tắt
cdm_holder
VARCHAR(255)
Tổ chức sở hữu
source_description
CLOB
Mô tả chi tiết
source_documentation_reference
VARCHAR(255)
URL tài liệu
cdm_etl_reference
VARCHAR(255)
URL ETL documentation
source_release_date
DATE
Ngày release dữ liệu
cdm_release_date
DATE
Ngày chuyển đổi CDM
cdm_version
VARCHAR(10)
Phiên bản CDM (v5.4)
cdm_version_concept_id
INTEGER
FK → CONCEPT
vocabulary_version
VARCHAR(20)
Phiên bản vocabulary
1.2. Ví dụ dữ liệu VN
INSERT INTO cdm_source (
cdm_source_name,
cdm_source_abbreviation,
cdm_holder,
source_description,
cdm_etl_reference,
source_release_date,
cdm_release_date,
cdm_version,
cdm_version_concept_id,
vocabulary_version
) VALUES (
'Bệnh viện Bạch Mai - Hệ thống HIS',
'BACHMAI_HIS',
'Bệnh viện Bạch Mai',
'Dữ liệu EMR từ hệ thống HIS Bệnh viện Bạch Mai, '
|| 'bao gồm khám ngoại trú và nội trú từ 2020-2024. '
|| 'Chuyển đổi theo OMOP CDM 5.4 phục vụ nghiên cứu '
|| 'dịch tễ học lâm sàng.',
'https://github.com/bachmai-etl/omop-cdm',
'2024-06-30', -- Ngày xuất dữ liệu nguồn
'2024-09-15', -- Ngày hoàn tất ETL
'v5.4',
756265, -- CDM v5.4 concept_id
'v5.0 30-AUG-24' -- Vocabulary version từ Athena
);
1.3. Tại sao CDM_SOURCE quan trọng?
Traceability: biết dữ liệu từ đâu, ETL khi nào
Network studies: so sánh kết quả giữa các site
Reproducibility: tái tạo kết quả nghiên cứu
Compliance: kiểm toán tuân thủ
2. METADATA — Thông tin bổ sung
2.1. Cấu trúc bảng
Cột
Kiểu
Bắt buộc
Mô tả
metadata_id
INTEGER
✅ PK
ID duy nhất
metadata_concept_id
INTEGER
✅
Loại metadata (FK → CONCEPT)
metadata_type_concept_id
INTEGER
✅
Kiểu metadata
name
VARCHAR(250)
✅
Tên key
value_as_string
VARCHAR(250)
Giá trị text
value_as_concept_id
INTEGER
Giá trị concept
value_as_number
FLOAT
Giá trị số
metadata_date
DATE
Ngày ghi nhận
metadata_datetime
DATETIME
Datetime ghi nhận
2.2. Ví dụ sử dụng
-- Ghi nhận thông tin ETL
INSERT INTO metadata VALUES (1, 0, 0, 'ETL_TOOL', 'WhiteRabbit + RabbitInAHat', NULL, NULL, '2024-09-15', NULL);
INSERT INTO metadata VALUES (2, 0, 0, 'ETL_VERSION', '1.2.0', NULL, NULL, '2024-09-15', NULL);
INSERT INTO metadata VALUES (3, 0, 0, 'SOURCE_PATIENT_COUNT', NULL, NULL, 125000, '2024-09-15', NULL);
INSERT INTO metadata VALUES (4, 0, 0, 'CDM_PATIENT_COUNT', NULL, NULL, 118500, '2024-09-15', NULL);
INSERT INTO metadata VALUES (5, 0, 0, 'MAPPING_COVERAGE_PCT', NULL, NULL, 94.8, '2024-09-15', NULL);
INSERT INTO metadata VALUES (6, 0, 0, 'COUNTRY', 'Vietnam', NULL, NULL, '2024-09-15', NULL);
METADATA là bảng key-value linh hoạt — dùng để lưu bất kỳ thông tin nào không fit vào CDM_SOURCE.
3. COHORT — Nhóm nghiên cứu
3.1. Cấu trúc bảng
Cột
Kiểu
Bắt buộc
Mô tả
cohort_definition_id
INTEGER
✅
FK → COHORT_DEFINITION
subject_id
INTEGER
✅
ID đối tượng (thường = person_id)
cohort_start_date
DATE
✅
Ngày vào cohort
cohort_end_date
DATE
✅
Ngày ra cohort
3.2. COHORT_DEFINITION (nhắc lại từ Bài 16)
Cột
Kiểu
Mô tả
cohort_definition_id
INTEGER PK
ID định nghĩa
cohort_definition_name
VARCHAR(255)
Tên cohort
cohort_definition_description
CLOB
Mô tả
definition_type_concept_id
INTEGER
Loại
cohort_definition_syntax
CLOB
Logic tạo cohort
subject_concept_id
INTEGER
Đối tượng
cohort_initiation_date
DATE
Ngày tạo
3.3. Cách sử dụng: Tạo cohort tiểu đường type 2
-- Bước 1: Định nghĩa cohort
INSERT INTO cohort_definition (
cohort_definition_id,
cohort_definition_name,
cohort_definition_description,
definition_type_concept_id,
cohort_definition_syntax,
subject_concept_id,
cohort_initiation_date
) VALUES (
101,
'Tiểu đường Type 2 mới phát hiện 2023',
'BN có chẩn đoán T2DM lần đầu trong 2023, '
|| 'có ít nhất 365 ngày observation trước đó, '
|| 'không có T1DM.',
0,
'{
"PrimaryCriteria": {
"CriteriaList": [{
"ConditionOccurrence": {
"CodesetId": 201826
}
}],
"ObservationWindow": {"PriorDays": 365}
},
"ExclusionCriteria": [{
"ConditionOccurrence": {
"CodesetId": 201254
}
}]
}',
0,
'2024-09-15'
);
-- Bước 2: Populate cohort
INSERT INTO cohort (
cohort_definition_id,
subject_id,
cohort_start_date,
cohort_end_date
)
SELECT
101 AS cohort_definition_id,
co.person_id AS subject_id,
MIN(co.condition_start_date) AS cohort_start_date,
COALESCE(
(SELECT MAX(op.observation_period_end_date)
FROM observation_period op
WHERE op.person_id = co.person_id),
MIN(co.condition_start_date)
) AS cohort_end_date
FROM condition_occurrence co
JOIN concept_ancestor ca
ON co.condition_concept_id = ca.descendant_concept_id
WHERE ca.ancestor_concept_id = 201826 -- Type 2 DM
AND co.condition_start_date BETWEEN '2023-01-01' AND '2023-12-31'
-- Phải có 365 ngày observation trước
AND EXISTS (
SELECT 1 FROM observation_period op
WHERE op.person_id = co.person_id
AND op.observation_period_start_date
<= co.condition_start_date - INTERVAL '365 days'
)
-- Loại trừ T1DM
AND NOT EXISTS (
SELECT 1 FROM condition_occurrence co2
JOIN concept_ancestor ca2
ON co2.condition_concept_id = ca2.descendant_concept_id
WHERE ca2.ancestor_concept_id = 201254 -- Type 1 DM
AND co2.person_id = co.person_id
AND co2.condition_start_date <= co.condition_start_date
)
GROUP BY co.person_id;
3.4. Phân tích trên cohort
-- Tổng quan cohort T2DM 2023
SELECT
cd.cohort_definition_name,
COUNT(DISTINCT c.subject_id) AS patient_count,
AVG(p.year_of_birth) AS avg_birth_year,
ROUND(
SUM(CASE WHEN p.gender_concept_id = 8507 THEN 1 ELSE 0 END)
* 100.0 / COUNT(*), 1
) AS male_pct
FROM cohort c
JOIN cohort_definition cd
ON c.cohort_definition_id = cd.cohort_definition_id
JOIN person p ON c.subject_id = p.person_id
WHERE c.cohort_definition_id = 101
GROUP BY cd.cohort_definition_name;
4.3. CDM 5.4 — Các thay đổi quan trọng (so với 5.3)
Thay đổi
Chi tiết
EPISODE / EPISODE_EVENT
Bảng mới cho oncology
measurement_event_id
Polymorphic FK trong MEASUREMENT
observation_event_id
Polymorphic FK trong OBSERVATION
procedure_end_date/datetime
Thêm ngày kết thúc cho Procedure
unit_source_concept_id
Thêm vào MEASUREMENT
production_id
Thêm vào DEVICE_EXPOSURE (UDI)
5. Kiểm tra chất lượng dữ liệu (DQD)
5.1. OHDSI Data Quality Dashboard
┌──────────────────────────────────────────┐
│ Data Quality Dashboard (DQD) │
│ │
│ Kiểm tra 3500+ rules: │
│ │
│ 1. Completeness — Đầy đủ │
│ Bao nhiêu % records có concept != 0? │
│ │
│ 2. Conformance — Tuân thủ │
│ Giá trị có hợp lệ? (date, range) │
│ │
│ 3. Plausibility — Hợp lý │
│ Trẻ 5 tuổi có chẩn đoán Alzheimer? │
│ │
│ Output: Bảng báo cáo PASS/FAIL │
│ cho từng rule │
└──────────────────────────────────────────┘
5.2. Kiểm tra nhanh bằng SQL
-- Mapping completeness: % records có concept_id != 0
SELECT
'condition_occurrence' AS table_name,
COUNT(*) AS total,
SUM(CASE WHEN condition_concept_id = 0 THEN 1 ELSE 0 END) AS unmapped,
ROUND(
SUM(CASE WHEN condition_concept_id != 0 THEN 1 ELSE 0 END)
* 100.0 / COUNT(*), 1
) AS mapped_pct
FROM condition_occurrence
UNION ALL
SELECT 'drug_exposure', COUNT(*),
SUM(CASE WHEN drug_concept_id = 0 THEN 1 ELSE 0 END),
ROUND(SUM(CASE WHEN drug_concept_id != 0 THEN 1 ELSE 0 END) * 100.0 / COUNT(*), 1)
FROM drug_exposure
UNION ALL
SELECT 'procedure_occurrence', COUNT(*),
SUM(CASE WHEN procedure_concept_id = 0 THEN 1 ELSE 0 END),
ROUND(SUM(CASE WHEN procedure_concept_id != 0 THEN 1 ELSE 0 END) * 100.0 / COUNT(*), 1)
FROM procedure_occurrence
UNION ALL
SELECT 'measurement', COUNT(*),
SUM(CASE WHEN measurement_concept_id = 0 THEN 1 ELSE 0 END),
ROUND(SUM(CASE WHEN measurement_concept_id != 0 THEN 1 ELSE 0 END) * 100.0 / COUNT(*), 1)
FROM measurement;
-- Kiểm tra orphan records
-- (records không có observation_period tương ứng)
SELECT 'condition_occurrence' AS src, COUNT(*) AS orphan_count
FROM condition_occurrence co
WHERE NOT EXISTS (
SELECT 1 FROM observation_period op
WHERE op.person_id = co.person_id
AND co.condition_start_date BETWEEN
op.observation_period_start_date
AND op.observation_period_end_date
)
UNION ALL
SELECT 'drug_exposure', COUNT(*)
FROM drug_exposure de
WHERE NOT EXISTS (
SELECT 1 FROM observation_period op
WHERE op.person_id = de.person_id
AND de.drug_exposure_start_date BETWEEN
op.observation_period_start_date
AND op.observation_period_end_date
);
6. Hệ sinh thái công cụ OHDSI
Công cụ
Vai trò
WhiteRabbit
Scan dữ liệu nguồn
RabbitInAHat
Thiết kế ETL mapping
Usagi
Map mã nguồn → Standard Concept
Athena
Tải/tìm kiếm Vocabulary
ATLAS
Tạo cohort, phân tích, characterization
WebAPI
Backend API cho ATLAS
Achilles
Database profiling & DQD
HADES
R packages cho nghiên cứu (PLE, PLP)
DataQualityDashboard
Kiểm tra chất lượng dữ liệu
7. Lộ trình tiếp theo
Bạn đã hoàn thành ✅
──────────────────────────────────
OMOP CDM 5.4 — 37+ bảng, 7 nhóm
ETL concepts, Vocabulary system
VN-specific mapping patterns
Bước tiếp theo 📘
──────────────────────────────────
1. Thực hành ETL
→ Dùng WhiteRabbit + RabbitInAHat
→ Chuyển 1 bộ dữ liệu nhỏ sang OMOP
2. ATLAS & Cohort Building
→ Cài ATLAS + WebAPI
→ Tạo cohort definitions UI
3. Achilles + DQD
→ Chạy database profiling
→ Kiểm tra chất lượng dữ liệu
4. Nghiên cứu với HADES
→ Population Level Estimation
→ Patient Level Prediction
→ Characterization
5. Tham gia cộng đồng OHDSI
→ forums.ohdsi.org
→ OHDSI Symposium hàng năm
→ Study-a-thon
Tổng kết
CDM_SOURCE: metadata về nguồn dữ liệu, phiên bản CDM & Vocabulary
METADATA: bảng key-value lưu thông tin bổ sung (ETL tool, coverage...)
COHORT + COHORT_DEFINITION: quản lý nhóm nghiên cứu, nền tảng cho ATLAS
OMOP CDM 5.4 gồm 37+ bảng trong 7 nhóm — tất cả xoay quanh PERSON
Chúc mừng bạn đã hoàn thành series OMOP CDM 5.4 cho Người mới! Từ đây bạn đã có nền tảng vững chắc để bắt tay vào ETL dữ liệu y tế Việt Nam theo chuẩn quốc tế.
