Efficient metadata loading algorithm for generation and parsing of health level 7 version 3 messages

Author(s):  
Yasir Mehmood ◽  
Muhammad Younus Javed ◽  
Muhammad Afzal ◽  
Hafiz Farooq Ahmad
Keyword(s):  
2006 ◽  
Vol 40 (5) ◽  
pp. 375-379 ◽  
Author(s):  
Jeff Kabachinski
Keyword(s):  

2019 ◽  
Author(s):  
Αθανάσιος Κιούρτης

Την τελευταία δεκαετία, υπήρξε μια μετάβαση από έναν περιορισμένο σε δεδομένα κόσμο σε έναν πλούσιο σε δεδομένα κόσμο με στόχο τη βελτίωση της ποιότητας του τομέα των μεταφορών, της διακυβέρνησης, του περιβάλλοντος, της επικοινωνίας και της υγείας. Μεγάλο μέρος αυτής της άνευ προηγουμένου αύξησης της παραγωγής δεδομένων μπορεί να αποδοθεί στην παρουσία πολλών κινητών συσκευών, φορητών συσκευών και αισθητήρων. Αυτό έχει ως αποτέλεσμα ένα πλήθος συσκευών που έχουν τη δυνατότητα σύνδεσης με το διαδίκτυο, παράγοντας δεδομένα διαφορετικών τύπων που μπορεί να έχουν συλλεχθεί σε διαφορετικές χρονικές στιγμές και τοποθεσίες, από ετερογενείς συσκευές. Οι περισσότερες από αυτές τις συσκευές τυπικά χαρακτηρίζονται από υψηλό βαθμό ετερογένειας, όσον αφορά την ύπαρξη διαφορετικών χαρακτηριστικών, δυνατοτήτων ή προδιαγραφών δικτύου, τα οποία πρέπει να είναι αποδοτικά διαχειρίσιμα αναφορικά κυρίως με τη διαχείριση των ετερογενών δεδομένων που παράγουν. Ειδικά για τις ιατρικές συσκευές - Internet of Medical Things (IoMT), οι οποίες υιοθετούνται ευρέως και χρησιμοποιούνται στην 4η Βιομηχανική Επανάσταση του χώρου της Υγείας (Healthcare 4.0), η ανάγκη χρήσης, κατανόησης και επεξεργασίας των δεδομένων τους χρήζει ως ένα ζήτημα ζωτικής σημασίας. Αναφορικά ωστόσο με τη βέλτιστη αξιοποίηση των δεδομένων αυτών, η ετερογένεια, η πολυπλοκότητα, ο θόρυβος και η ατέλειά τους, συγκαταλέγονται στις πιο κοινές τους προκλήσεις. Είναι εμφανές πως μεγάλα ποσά ετερογενών ιατρικών δεδομένων καθίστανται διαθέσιμα σε διάφορους οργανισμούς και συσκευές υγειονομικής περίθαλψης, αναμορφώνοντας έτσι πλήρως το χώρο του Healthcare 4.0. Προκειμένου αυτά τα ετερογενή ιατρικά δεδομένα να ανταλλάσσονται με όσο το δυνατόν περισσότερους ενδιαφερόμενους και να αποτελούν βασικό γνώμονα παροχής εξατομικευμένης και αποδοτικής ιατρικής φροντίδας προς τους ασθενείς και τους πολίτες, η διαλειτουργικότητα είναι ο μόνος τρόπος. Σαν πρόσθετα αποτελέσματα, μπορεί να αυξηθεί η ποιότητα των υπηρεσιών υγείας, να μειωθεί το κόστος της και τα ιατρικά σφάλματα, να αυξηθεί η ιδιωτικότητα των ασθενών, και να ανανεωθεί ολοκληρωτικά η δημόσια υγεία.Επί του παρόντος, η ταχέως αυξανόμενη διαθεσιμότητα των ιατρικών αρχείων ωθεί στην υιοθέτηση προσεγγίσεων που βασίζονται σε δεδομένα, όπως η ακριβέστερη πρόγνωση ασθενειών και συμπτωμάτων, η αυτοματοποίηση των καθηκόντων που σχετίζονται με την υγειονομική περίθαλψη, η ευκολότερη ανίχνευση ασθενειών, και η αποδοτικότερη κλινική έρευνα. Παρόλα αυτά, οι οργανισμοί υγειονομικής περίθαλψης εξακολουθούν να αντιμετωπίζουν πολλές δυσκολίες στην εφαρμογή, στη συντήρηση και στην αναβάθμιση των συστημάτων υγειονομικής περίθαλψης, συμπεριλαμβανομένων πολλών προκλήσεων στους τομείς της τεχνολογίας, της ασφάλειας και της ανθρώπινης επικοινωνίας. Μεταξύ άλλων, μια πρόσθετη πρόκληση αναφέρεται στην έλλειψη μιας ολοκληρωμένης προσέγγισης ανταλλαγής δεδομένων, τα οποία προκειμένου να ανταλλάσσονται με όσο το δυνατόν περισσότερους ενδιαφερόμενους ώστε να βελτιώσουν τη δημοσία υγεία, απαιτούν την ύπαρξη της διαλειτουργικότητας, η οποία αποτελεί το βασικό μέσο για να δοθεί η δυνατότητα στα συστήματα να αλληλοεπιδρούν μεταξύ τους. Έχοντας κατά νου ότι η αγορά φορητών ιατρικών συσκευών αναμένεται να τετραπλασιαστεί, και πως τα νοσοκομεία και τα ιατρεία σε εθνικό επίπεδο θα μπορούσαν να βελτιώσουν δραματικά την ποιότητα ζωής των ασθενών, αυτό έχει ως αποτέλεσμα να καταστεί ακόμη πιο δύσκολο και επιτακτικό το έργο της διαλειτουργικότητας στον τομέα της υγείας. Για το σκοπό αυτό, πολλές τεχνικές τυποποίησης αλλά και έρευνες επενδύονται ετησίως στη διαλειτουργικότητα των δεδομένων για την υγεία. Μεταξύ των διαφόρων υφιστάμενων ερευνών και προτύπων, ο οργανισμός (Health Level 7) HL7 παρέχει την ανάπτυξη και το πλαίσιο των προτύπων που χρησιμοποιούνται ευρέως στην ιατρική αγορά και την έρευνα, με το HL7 Fast Healthcare Interoperability Resources (FHIR) να είναι το πιο πρόσφατο πρότυπο που δημιουργήθηκε από τον οργανισμό για την ανταλλαγή κλινικών πληροφοριών.Βάσει όλων των προαναφερθέντων υφιστάμενων προκλήσεων, η παρούσα Διδακτορική Διατριβή στοχεύει στη δημιουργία μιας προσέγγισης Υπηρεσιών Διαλειτουργικότητας Δεδομένων σε μορφή ενός αυτοματοποιημένου μετασχηματισμού ανομοιογενών δεδομένων υγείας από ετερογενείς πηγές δεδομένων. Η προσέγγιση αυτή είναι ικανή να μετασχηματίζει τόσο σε σημασιολογικό όσο και σε συντακτικό επίπεδο δεδομένα διαφορετικής αναπαράστασης και μορφής, προκειμένου αυτά να μπορούν να ταυτοποιούνται, να αντιστοιχίζονται σε μία ενιαία γλώσσα, και στο τέλος να συγχωνεύονται σε ένα κοινό επίπεδο. Για να επιτευχθεί αυτό, αρχικά έγινε εμβάθυνση στους μηχανισμούς που έχουν υλοποιηθεί ώστε τα δεδομένα υγείας και οι πληροφορίες να μπορούν να ανταλλάσσονται διαλειτουργικά μεταξύ συστημάτων που ανήκουν σε διαφορετικές ομάδες ή υπακούν σε διαφορετικά πρότυπα υγείας. Κατόπιν σχετικής έρευνας, προτάθηκε μία προσέγγιση η οποία είναι ικανή να διαχωρίζει τα δεδομένα υγείας σε κατηγορίες ανάλογα με τον τρόπο αναπαράστασής τους, και στη συνέχεια εξάγοντας γνώσεις, πληροφορίες και μεταδεδομένα, τα δεδομένα μετασχηματίζονται σε μία ενιαία γλώσσα, η οποία διατηρεί συνδυαστικά στοιχεία από άλλες ήδη προτυποποιημένες γλώσσες αναπαράστασης δεδομένων υγείας. Εν συνεχεία, η συγκεκριμένη προσέγγιση μετασχηματισμού προσαρμόστηκε ώστε να παράγει οντολογίες μέσω συγκεκριμένων επιπέδων μεταμοντέλου και οντολογιών, με απώτερο στόχο την κοινή αναπαράσταση των δεδομένων σε μία ενιαία μορφή. Χρησιμοποιώντας ως γνώμονα τις παραχθείσες οντολογίες, η προσέγγιση που ακολουθήθηκε εστίασε αφενός στη δημιουργία των οντολογιών, και αφετέρου στη σύγκρισή τους με τις οντολογίες των επιμέρους πόρων (resources) του προτύπου υγείας HL7 FHIR, λόγω της παγκόσμιας διάδοσης και υιοθέτησής του. Η σύγκριση αυτή αφορούσε τόσο τη συντακτική όσο και τη σημασιολογική απεικόνιση των εκάστοτε οντολογιών, ώστε στο τέλος να καθίσταται εφικτή η αντιστοίχιση των οντολογιών των δεδομένων υγείας με τις οντολογίες των πόρων HL7 FHIR. Η τελική προσέγγιση βασίστηκε στην προαναφερθείσα λύση, όπου τόσο οι μηχανισμοί υλοποίησης των οντολογιών όσο και της συντακτικής και της σημασιολογικής σύγκρισης και αντιστοίχισης βελτιώθηκαν, βάσει σχετικών πειραματικών δοκιμών.Εστιάζοντας στο χώρο της υγείας, οι περισσότερες από τις ήδη υπάρχουσες πρακτικές και τεχνικές διαλειτουργικότητας δεδομένων στηρίζονται σε πρότυπα υγείας όπως και σε μηχανισμούς οντολογικών μετασχηματισμών και αντιστοιχίσεων. Ωστόσο είναι σχεδιασμένες για συγκεκριμένες περιπτώσεις χρήσης με ήδη προκαθορισμένη τη μορφή με την οποία πρέπει να εισέρχονται τα δεδομένα, χωρίς να έχουν τη δυνατότητα προσαρμογής, μη μπορώντας έτσι να θεωρηθούν ως ολιστικές λύσεις. Η συγκεκριμένη πρόκληση απαντάται από την παρούσα Διδακτορική Διατριβή, αποδίδοντας μια ενιαία και γενικευμένη προσέγγιση η οποία μπορεί να εφαρμοστεί αυτοματοποιημένα σε οποιοδήποτε σύνολο δεδομένων υγείας, χωρίς την ανάγκη προ-επεξεργασίας τους, αποδίδοντας και αντιστοιχίζοντάς τα σε ένα από τα πιο ισχυρά πρότυπα υγείας, το HL7 FHIR. Τα αποτελέσματα των πειραματικών δοκιμών που πραγματοποιήθηκαν αξιολογούν και αποδεικνύουν τη λειτουργικότητα και αποδοτικότητα της προτεινόμενης προσέγγισης, καθιστώντας την εφικτή για χρήση και ενσωμάτωση σε πολλαπλούς τομείς και περιβάλλοντα, και ειδικότερα στο χώρο της υγειονομικής περίθαλψης, καθώς και στους τομείς των τηλεπικοινωνιών και των δικτύων, της αναγνώρισης συσκευών, της ηλεκτρονικής διακυβέρνησης και των ηλεκτρονικών προμηθειών.


2000 ◽  
Vol 7 (4) ◽  
pp. 333-342 ◽  
Author(s):  
S. Bakken ◽  
K. E. Campbell ◽  
J. J. Cimino ◽  
S. M. Huff ◽  
W. Ed Hammond

2016 ◽  
Vol 131 (4) ◽  
pp. 583-587 ◽  
Author(s):  
Amy E. Metroka ◽  
Vikki Papadouka ◽  
Alexandra Ternier ◽  
Jane R. Zucker

2017 ◽  
Vol 24 (5) ◽  
pp. 882-890 ◽  
Author(s):  
Lauren B Becnel ◽  
Smita Hastak ◽  
Wendy Ver Hoef ◽  
Robert P Milius ◽  
MaryAnn Slack ◽  
...  

Abstract Background: It is critical to integrate and analyze data from biological, translational, and clinical studies with data from health systems; however, electronic artifacts are stored in thousands of disparate systems that are often unable to readily exchange data. Objective: To facilitate meaningful data exchange, a model that presents a common understanding of biomedical research concepts and their relationships with health care semantics is required. The Biomedical Research Integrated Domain Group (BRIDG) domain information model fulfills this need. Software systems created from BRIDG have shared meaning “baked in,” enabling interoperability among disparate systems. For nearly 10 years, the Clinical Data Standards Interchange Consortium, the National Cancer Institute, the US Food and Drug Administration, and Health Level 7 International have been key stakeholders in developing BRIDG. Methods: BRIDG is an open-source Unified Modeling Language–class model developed through use cases and harmonization with other models. Results: With its 4+ releases, BRIDG includes clinical and now translational research concepts in its Common, Protocol Representation, Study Conduct, Adverse Events, Regulatory, Statistical Analysis, Experiment, Biospecimen, and Molecular Biology subdomains. Interpretation: The model is a Clinical Data Standards Interchange Consortium, Health Level 7 International, and International Standards Organization standard that has been utilized in national and international standards-based software development projects. It will continue to mature and evolve in the areas of clinical imaging, pathology, ontology, and vocabulary support. BRIDG 4.1.1 and prior releases are freely available at https://bridgmodel.nci.nih.gov.


Sign in / Sign up

Export Citation Format

Share Document