Рекомендации по моделированию данных в здравоохранении: E-HEALTH-COM

Данные о состоянии здоровья чрезвычайно ценны для медицинского лечения и научных исследований. Однако их можно эффективно использовать только в том случае, если они структурированы единообразно и ими можно обмениваться в разных местах. Лаборатория будущего здоровья исследовала, как можно моделировать данные о здоровье и целенаправленно обмениваться ими.

Данные часто называют «новым золотом», поскольку они становятся все более важными для бизнес-планирования. Цифровая экономика требует данных в качестве основы для стратегических решений. Данные также чрезвычайно ценны в медицинском контексте. Объединение и оценка их в отдельных медицинских учреждениях открывает большой потенциал для эффективной медицинской помощи и исследований, в том числе в интересах пациентов.

Лабораторные показатели, жизненные параметры, планы приема лекарств и другие медицинские данные помогают получить целостную картину состояния пациентов. Таким образом можно определить индивидуальные методы лечения и исследовать ранее неизвестные причины заболеваний. Для того чтобы это было успешным, информация должна систематически записываться в цифровом виде, компилироваться и оцениваться.

Именно здесь в игру вступают модели данных: модели данных представляют собой структурированные описания данных, их свойств и отношений, позволяющие их хранить, обрабатывать и обмениваться согласованным образом. Создание таких структур, то есть моделирование данных, происходит на разных уровнях: технический уровень определяет, какая информация (например, артериальное давление, частота дыхания, размер тела или аллергия) доступна, какое значение она имеет и как она связана друг с другом. Логический уровень описывает формальную структуру этой информации (например, объекты данных, атрибуты, таблицы, ключи). Наконец, на техническом уровне происходит конкретная техническая реализация и, следовательно, хранение данных.

Для моделирования данных можно использовать различные существующие стандарты. Такие стандарты обеспечивают согласованную машинную обработку (синтаксис) и интерпретацию данных (семантика) в разных системах и местах. В зависимости от применения необходимо выбрать соответствующий стандарт моделирования. Однако существует множество национальных и международных стандартов, и не существует обзора того, какой стандарт лучше всего подходит для какой цели.

Вот почему исследователи из Лаборатории будущего здоровья работают над рекомендациями по моделированию данных о здоровье. Они провели поиск литературы, поговорили с экспертами о передовом опыте практического моделирования и разослали онлайн-опрос различным заинтересованным сторонам здравоохранения. В своей оценке они пришли к следующим трем основным результатам.

Во-первых, существуют различные стандарты моделей информации и данных. Информационные модели описывают концептуальный/технический уровень, модели данных относятся к техническому уровню. Часто используемым стандартом моделирования с упором на обмен данными и совместимость (т. е. способность различных ИТ-систем единообразно понимать, обмениваться и обрабатывать данные) является «Уровень работоспособности 7 — ресурсы быстрого взаимодействия в здравоохранении» (HL7 FHIR). Другими известными стандартами моделирования являются «Партнерство по наблюдению за медицинскими результатами» (OMOP) и «Открытая электронная медицинская карта» (openEHR). Эти три стандарта очень часто используются на международном уровне. Существует также множество других стандартов, которые исследователи также рассмотрели.

Во-вторых, варианты использования моделирования данных здравоохранения очень сложны. Выбор подходящего стандарта зависит от области применения и конкретных требований. Например, HL7 FHIR особенно подходит для обмена данными между учреждениями и между национальными границами, но данные нельзя использовать напрямую и легко для анализа. ОМОП фокусируется на межведомственном анализе, но обмен и хранение данных не осуществляются централизованно. Преимущество openEHR заключается в возможности эффективного повторного использования моделей, но для этого стандарта должна быть создана соответствующая инфраструктура openEHR. Как показано в этих примерах, все стандарты моделирования имеют сильные и слабые стороны. Ваше использование всегда целенаправленно и целенаправленно.

В-третьих, выбор также зависит от человеческих, информационных технологий и организационных факторов: пользователи должны знать цель моделирования, требования варианта использования и характеристики различных стандартов моделирования (человеческий фактор). Кроме того, необходимо учитывать использование синергетических эффектов (например, за счет использования стандарта в нескольких проектах) и наличие соответствующих инструментов (факторов информационных технологий). Кроме того, на выбор стандарта могут влиять требования поставщика финансирования или организации (организационные факторы).

«Не существует единого «правильного» стандарта. В зависимости от применения следует изучить, какие стандарты наиболее подходят. Вот почему мы провели исследование практики применения и выбора стандартов моделирования. Мы хотим использовать наши результаты, чтобы поддержать исследовательские группы в их решениях, чтобы они могли сделать моделирование эффективным, совместимым и перспективным».

Лена Элгерт
Ганноверская медицинская школа, Институт медицинской информатики Питера Л. Райхертца

Оценка онлайн-опроса также показала, что четкое управление, то есть определение структур, процессов и правил внутри организации или исследовательской ассоциации, полезно для использования стандартов моделирования. Такое управление должно обеспечивать гибкое использование стандартов: исследовательские институты, являющиеся частью более крупной исследовательской сети, должны иметь возможность соблюдать спецификации своего института, даже если к исследовательской сети применяются рамочные условия более высокого уровня.

Процесс моделирования ведет от технических требований к структурированным, стандартизированным и технически реализованным моделям данных. Эти модели используются в системах для хранения данных и, таким образом, делают их пригодными для соответствующего применения, будь то уход и/или исследование. Процесс контролируется и зависит от применимых рамочных условий, участвующих людей (групп) и технических спецификаций.

«Многие игроки в секторе здравоохранения – от университетских больниц, исследовательских ассоциаций до производителей систем – в настоящее время расширяют свои внутренние системы, чтобы обеспечить совместимость и будущий обмен данными. Именно поэтому наше рассмотрение моделирования данных о здоровье в настоящее время ценно: оно дает рекомендации о том, что необходимо принять во внимание, чтобы это расширение было успешным в будущем».

Джендрик Рихтер
Медицинский центр Геттингенского университета, Институт медицинской информатики

Те: Центр цифровых инноваций Нижней Саксонии (ZDIN)