의료 데이터 관리 및 분석
의료 데이터 관리 및 분석은 임상, 행정 및 공중 보건 시스템 전반에서 생성되는 데이터를 저장, 통합, 관리하고 유용한 지식으로 전환하는 방식과 관련된 보건 정보학 분야입니다. 이 분야는 이질적인 건강 데이터를 통합하는 저장소의 엔지니어링, 데이터의 신뢰성을 유지하는 규율, 그리고 효과, 인구 및 운영에 대한 질문에 답하기 위해 데이터를 탐색하는 분석 방법을 포괄합니다.
Definition
의료 데이터 관리 및 분석은 건강 관련 데이터를 조직하고 통계적, 계산적, 데이터 마이닝 기술을 적용하여 연구, 인구 및 건강 시스템 수준에서 증거를 생성하고 의사 결정을 지원하기 위한 일련의 방법 및 인프라입니다.
Scope
이 영역은 독자에게 건강 데이터의 수명 주기, 즉 캡처 및 통합, 임상 데이터 웨어하우스 저장, 거버넌스 및 품질 보증, 그리고 연구, 인구 측정 및 운영을 위한 다운스트림 분석에 대해 안내합니다. 이 영역은 인프라(웨어하우스 설계)에서 관리(거버넌스 및 품질)를 거쳐 활용(비교 효과, 인구 건강 및 빅데이터 애플리케이션)에 이르는 5가지 주제를 다룹니다. 이는 구축 가이드나 임상 의사 결정 도구가 아닌 참조 개요입니다.
Sub-topics
Key concepts
- 임상 데이터 웨어하우스
- 데이터 통합 및 추출-변환-로드(ETL)
- 공통 데이터 모델
- 데이터 거버넌스 및 관리
- 데이터 품질 차원
- 임상 데이터의 2차 사용
- 비교 효과 연구
- 인구 건강 측정
- 빅데이터 분석
- 예측 모델링 및 데이터 마이닝
Mechanisms
건강 데이터는 전자 건강 기록, 청구 시스템, 등록부, 장치 및 감시 피드에서 생성됩니다. 재사용 가능하도록 이러한 이질적인 스트림은 추출, 변환 및 로드되어 임상 데이터 웨어하우스와 같은 통합 저장소에 저장되며, 종종 공통 데이터 모델에 매핑되어 쿼리가 기관 간에 이식 가능하도록 합니다. 거버넌스 구조는 데이터에 대한 책임을 할당하고, 품질 평가는 데이터가 분석되기 전에 완전성, 정확성 및 타당성과 같은 차원을 평가합니다. 분석 방법은 기술적 측정에서 데이터 마이닝 및 예측 모델링에 이르기까지 다양하며, 분석 질문에 따라 적절한 설계와 데이터가 결정됩니다.
Clinical relevance
여기에 설명된 인프라와 분석 방법은 품질 측정, 비교 효과 연구 및 인구 감시를 포함하여 의료 분야에서 사용되는 2차 증거의 대부분을 뒷받침합니다. 이를 이해하는 것은 임상의와 연구자가 데이터 기반 증거가 어떻게 생성되는지, 그리고 그 한계가 무엇인지 판단하는 데 도움이 됩니다. 이 영역은 증거와 의사 결정 지원이 어떻게 생성되는지 설명하며, 그 자체로 개별 진단 또는 치료 지침의 출처는 아닙니다.
History
전자 건강 기록 및 행정 시스템이 일상적으로 수집되는 대량의 데이터를 축적함에 따라, 관심은 1차 데이터 캡처에서 연구 및 관리를 위한 해당 데이터의 2차 사용으로 전환되었습니다. i2b2 플랫폼과 같은 공유 가능한 연구 저장소를 구축하기 위한 이니셔티브와 2010년대 의료 분야에서 빅데이터 분석의 성장은 데이터 관리 및 분석을 품질, 거버넌스 및 재현성에 대한 자체적인 관심사를 가진 보건 정보학의 독특한 분야로 확립했습니다.
Key figures
- David W. Bates
- Shawn N. Murphy
- Isaac Kohane
Related topics
Seminal works
- murphy-2010
- weiskopf-weng-2013
- bates-2014
Frequently asked questions
- 건강 데이터 관리와 건강 데이터 분석의 차이점은 무엇입니까?
- 데이터 관리는 건강 데이터가 신뢰할 수 있고 재사용 가능하도록 어떻게 캡처, 통합, 저장 및 관리되는지를 다루며, 분석은 지식을 생성하기 위해 해당 데이터에 적용되는 통계 및 계산 방법을 다룹니다. 이 둘은 상호 의존적입니다. 분석은 기본 데이터의 관리 및 품질만큼만 신뢰할 수 있습니다.
- 임상 데이터의 '2차 사용'은 무엇을 의미합니까?
- 이는 원래 임상 치료 또는 청구를 위해 수집된 데이터를 연구, 품질 측정 또는 인구 감시와 같은 추가 목적으로 사용하는 것을 의미합니다. 데이터가 이러한 목적으로 수집되지 않았기 때문에, 거버넌스 및 품질 평가는 데이터를 책임감 있게 사용하는 데 중요합니다.