Kiến trúc hệ thốngOMOP 越南篇:BHYT、HSDT、越南 ICD-10、54 民族、3516/QĐ-BYT 號決定、越南個人資料保護法 2025
OMOP CDM 為何適合越南?本文分析政策脈絡(3516/QĐ-BYT 號決定、越南個人資料保護法 2025、 第 15/2023 號醫療法、VNeID 上的 HSDT)、衛生部目錄對應、custom vocabulary, 以及國家研究資料湖的路線圖。
12 個項目
Kiến trúc hệ thốngOMOP CDM 為何適合越南?本文分析政策脈絡(3516/QĐ-BYT 號決定、越南個人資料保護法 2025、 第 15/2023 號醫療法、VNeID 上的 HSDT)、衛生部目錄對應、custom vocabulary, 以及國家研究資料湖的路線圖。
Kiến trúc hệ thống2026 年的組織通常同時擁有 FHIR(營運)與 OMOP(分析)。本文介紹 resource ↔ table 對應、 FHIR-OMOP-on-FHIR 工作小組、Pathling、Bulk Data Export pipeline,以及越南的部署模式。
Kiến trúc hệ thống運行 1 億事件的 CDM 與 Eunomia 資料集截然不同。本文介紹 schema 設計、索引、依 person_id 分區、vacuum、備份、依越南個人資料保護法 2025(2026 年 1 月 1 日生效) 的安全性、稽核紀錄與詞彙升級。
Kiến trúc hệ thốngHADES(Health Analytics Data-to-Evidence Suite)是 OHDSI 的 R 套件集,可執行 Patient-Level Estimation、Patient-Level Prediction、Characterization、 Self-Controlled Case Series。本文從安裝到發表網絡研究一一示範。
Kiến trúc hệ thốngATLAS 是 OHDSI 官方的世代建構工具;Data Quality Dashboard 執行超過 3000 條品質規則; ACHILLES 為每個 CDM 做描述性 profile。本文示範 Broadsea 安裝、世代定義、DQD 解讀 與結果處理。
Kiến trúc hệ thống從頭開始將 HIS/EHR/claim 來源 ETL 到 OMOP CDM,通常需 3-6 個月。本文介紹標準的 OHDSI pipeline:WhiteRabbit profile、RabbitInAHat 設計、USAGI 對應、以 SQL/Perseus/dbt 實作,並用 DQD 驗證。
Kiến trúc hệ thống深入剖析 OMOP CDM 5.4 中最重要的 7 張資料表 — schema、FK、ETL convention、 容易混淆的部分(Measurement vs Observation、Drug_Exposure vs Drug_Era)以及 10 個 常見 RWE 分析 SQL 模式。
Kiến trúc hệ thống詞彙是 OMOP 中最困難卻也最重要的一部分。本文說明 Concept、Standard 與 Source、Domain、 Vocabulary、ConceptRelationship、ConceptAncestor,以及在 Athena 上下載與查詢的工作流程, 並針對越南專案提供建議。
Kiến trúc hệ thống哪一套 Common Data Model 適合你的組織?本文針對 OMOP、FHIR、i2b2、PCORnet、Sentinel 的 schema、詞彙、治理、工具、使用情境進行詳細比較,並提供選型決策樹。
Kiến trúc hệ thống真實世界證據(RWE)正在改變 FDA、EMA 與各監管機構制定決策的方式。OMOP CDM 是一套資料標準, 可讓單一研究同時在數百個機構上執行。本文介紹 OHDSI、CDM 5.4 以及越南脈絡。

適合初學者學習 OMOP 通用資料模型 5.4 版本的最全面的系列。從醫療資料標準化的基本概念、以人為中心的架構、37個資料表(臨床資料、衛生系統、健康經濟學、標準化詞彙、衍生元素、元資料),到概念/詞彙系統、ETL流程和OHDSI生態系統工具。每節課都有來自越南醫院的真實例子、直覺的圖表和 SQL 實踐練習。

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。