Chuyển đến nội dung chính

OHDSI 和 OMOP CDM — 綜合醫療數據分析

關於 OHDSI(觀察健康資料科學和資訊學)生態系統和 OMOP 通用資料模型的綜合系列 — 從平台概述、標準化詞彙 (Athena)、醫療資料 ETL(WhiteRabbit、Rabbit-in-a-Hat、Usagi)、PostgreSQL 上的 OMOP CDM 實施、WebAPI 和 ATLAS安裝,到臨床數據分析(隊列定義、特徵化、發病率、人群層級)估計、患者層級預測)、數據品質評估(ACHILLES、數據品質儀表板)、用於觀察研究的 HADES R 軟體包,以及用於多中心網路研究的 Docker/Kubernetes 上的 OHDSI 堆疊部署。

課程介紹

OHDSI 和 OMOP CDM 是關於世界上最大的觀察健康數據分析生態系統的綜合課程。

為什麼選擇 OHDSI?

每個醫院和衛生系統的醫療數據都以不同的格式存儲,這使得多中心研究幾乎不可能。 OHDSI(發音:「Odyssey」)透過將資料標準化為 OMOP 通用資料模型並提供一套統一的分析工具來解決此問題。

你會學到什麼?

Hệ sinh thái OHDSI
├── Standardized Vocabularies (Athena)
├── ETL Tools
│   ├── WhiteRabbit — Khảo sát dữ liệu nguồn
│   ├── Rabbit-in-a-Hat — Thiết kế ETL mapping
│   └── Usagi — Mapping mã nguồn → Standard Concepts
├── OMOP CDM Database (PostgreSQL)
├── WebAPI — Backend REST API
├── ATLAS — Web-based Analytics Platform
│   ├── Concept Sets & Cohort Definitions
│   ├── Characterization & Incidence Rates
│   ├── Population-Level Estimation
│   └── Patient-Level Prediction
├── Data Quality
│   ├── ACHILLES — Data Profiling
│   └── Data Quality Dashboard — 1,500+ Quality Checks
└── HADES — R Packages cho Observational Research

先決條件

  • 基本 SQL(選擇、連線、分組依據)
  • 對資料庫有基本的了解(PostgreSQL優先)
  • Docker 基礎(docker run、docker-compose)
  • 基本 R(針對 HADES 部分)— 不需要
  • 不需要深入的醫學知識