Integrated Data Repository Toolkit (IDRT)

Transkript

1 Integrated Data Repository Toolkit (IDRT) TMF-Projekt V091-MI_03 AP5.2: Realisierung USE CASE Clinical DWH Report Igor Engel Sebastian Mate Jan Christoph Prof. Dr. Hans-Ulrich Prokosch Dr. Thomas Ganslandt

2 1. Autoren Autor 1: Igor Engel Friedrich-Alexander-Universität Erlangen-Nürnberg Lehrstuhl für Medizinische Informatik Krankenhausstraße ERLANGEN Telefon / Fax / Webseite: Autor 2: Sebastian Mate Friedrich-Alexander-Universität Erlangen-Nürnberg Lehrstuhl für Medizinische Informatik Krankenhausstraße ERLANGEN Telefon / Fax / Webseite: Autor 3: Jan Christoph Friedrich-Alexander-Universität Erlangen-Nürnberg Krankenhausstraße ERLANGEN Telefon / Fax / Webseite: Autor 4: Prof. Dr. Hans-Ulrich Prokosch Friedrich-Alexander-Universität Erlangen-Nürnberg Lehrstuhl für Medizinische Informatik Krankenhausstraße ERLANGEN Telefon / Fax / Webseite: sowie: Medizinisches Zentrum für Informations- und Kommunikationstechnik Krankenhausstraße ERLANGEN AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

3 Autor 5: Dr. Thomas Ganslandt Medizinisches Zentrum für Informations- und Kommunikationstechnik Krankenhausstraße ERLANGEN Telefon / Fax / Webseite: AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

4 2. Inhaltsverzeichnis 1. Autoren Inhaltsverzeichnis Zusammenfassung Einleitung Methoden Ergebnisse Diskussion und Ausblick Literatur Abbildungen Glossar/Abkürzungsverzeichnis AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

5 3. Zusammenfassung Use Case Clinical DWH ist ein Beispiel für den Einsatz der IDRT-Komponenten in einer produktiven klinischen Umgebung. Dabei werden ausgewählte Behandlungsdaten aus dem klinischen DWH des Universitätsklinikums Erlangen mit Hilfe von IDRT-Importern extrahiert, verarbeitet und in ein i2b2-projekt geladen. Dabei werden zusätzlich die strukturierten Informationen aus den medizinischen Standardterminologien mitimportiert, um diese für die bessere Strukturierung der Rohdaten zu verwenden. Schließlich findet eine Neustrukturierung bzw. Transformation der Behandlungsdaten anhand der Informationen aus den Terminologien statt. AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

6 4. Einleitung Das Ziel des Arbeitspaketes 5.2 war die gemeinsame Verwendung mehrerer IDRT- Komponenten, um den Einsatz der Plattform in einer echten klinischen Umgebung zu demonstrieren. Der gewählte Anwendungsfall "Clinical Data Warehouse" stellte hierbei die Integration von Inhalten verschiedener typischer Datenquellen eines Krankenhauses für Abfragezwecke in den Vordergrund. Das Arbeitspaket wurde am Universitätsklinikum Erlangen unter Nutzung der dort verfügbaren Datenquellen umgesetzt. Als Datenbasis diente der 21-Datensatz (siehe AP2.5), der aus dem PDV-System der Klinik exportiert wurde, sowie Labor- und Medikationsdaten, die aus den jeweiligen Abteilungssystemen extrahiert wurden.

7 5. Methoden Für die Umsetzung wurden neben dem 21-Datensatz Labor- und Medikationsdaten aus dem Clinical Data Warehouse des Universitätsklinikums Erlangen zum Import ausgewählt. Die zu importierende Kohorte wurde hierbei durch den 21-Datensatz festgelegt, der alle im Jahr 2010 entlassenen stationären und teilstationären Behandlungsfälle enthielt. Der Import der 21-Daten konnte mit Hilfe des im Deliverable 2.5 beschriebenen P21- Extraktorpakets vollautomatisiert durchgeführt werden. Für die Labor- und Medikationsdaten wurde der in Deliverable 2.3 beschriebene Extraktor für tabellarische (SQL-)Datenquellen verwendet. Für beide Datentypen war jeweils eine Vorverarbeitung mit Hilfe von Datenbank- Views erforderlich, um diese in die für den tabellarischen Extraktor benötigte Form zu transformieren. Mit Hilfe der Views wurde zunächst für beide Datenarten die Filterung auf das Kollektiv des importierten 21-Datensatzes vorgenommen und der Spaltenumfang auf die für das Projekt relevanten Felder reduziert. Bei den Labordaten wurden darüber hinaus Daten mehrerer Quelltabellen zu einer gemeinsamen Abfrage zusammengestellt, die im Data Warehouse aus Performancegründen getrennt gespeichert werden. Bei den Labordaten wurde weiterhin die Filterung auf Befunde vorgenommen, für die ein Mapping auf den LOINC-Katalog vorlag, der für die Aufschlüsselung der Befunde in der i2b2-konzepthierarchie verwendet werden sollte. Bei den Medikationsdaten wurden Daten verschiedener Quelltabellen (Rezeptierung, Einzelkosten) zusammengeführt und Datensätze ausgefiltert, für die es keine Angabe des ATC-Codes vorlag, der zur Aufschlüsselung in der Konzepthierarchie vorgesehen war. Um eine aussagekräftige Erschließung der importierten Daten über die i2b2- Konzepthierarchie zu ermöglichen, wurden außerdem die relevanten Standardterminologien für den 21-Datensatz sowie für LOINC importiert (vgl. Deliverable 4.1) sowie eine lokal am Universitätsklinikum Erlangen Umsetzung des ATC-Codes für i2b2 geladen. Analog zum P21-Extraktorpaket musste außerdem ein Transformationsjob erstellt werden, um die importierten Labor- und Medikationsdaten an die Konzepthierarchien für LOINC und ATC anzupassen. Insgesamt resultierte eine sequenzielle Ausführung der folgenden IDRT-Komponenten, um den geplanten Anwendungsfall umzusetzen: Ausführung des P21-Importers für den Import des 21-Datensatzes (P21_Import) Ausführung des SQL-Importers für den Import von Tabellen/Views (SQL_Import) AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

8 Ausführung des STDTERM-Importers für den Import von Standardterminologien (STDTERM_Import) Ausführung des Transformationsjobs für die Semantikanreicherung (TRANSFORMATION) Nach der vollständigen Ausführung dieser Komponenten in der richtigen Reihenfolge erhält man eine zur Auswertung konforme Datensammlung. AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

9 6. Ergebnisse Der Import der 21-Daten konnte wie bereits im AP2.5 demonstriert erfolgreich und voll automatisiert durchgeführt werden. Die Medikationsdaten konnten nach der beschriebenen Vorverarbeitung mit Hilfe von Views ebenfalls vollständig und fehlerfrei geladen werden. Bei den Labordaten stellte sich ein Problem durch das Auftreten von Freitexten in Feldern dar, die laut Datenmodell eigentlich nur numerische Werte hätten enthalten sollen. Dies ist ein Artefakt der Datenquelle, aus der die Laborbefunde in das Clinical Data Warehouse importiert werden. Da eine datentypspezifische Vorverarbeitung Programmlogik erfordert hätte, die mit Hilfe von Views nicht implementiert werden konnte, wurde als Workaround eine Ausfilterung freitextlicher Laborbefunde vorgenommen. Anschließend konnten auch die Laborbefunde vollständig importiert werden. Nach Abschluss des Importvorgangs waren alle Datenelemente in i2b2 zunächst unter den "nativ" in der Quelldatenbank verwendeten Konzept-Identifikatoren verfügbar, beispielsweise den LOINC-Codes (s. Abb. 6.1): Abbildung 6.1: Importierte Patientendaten mit nativen Konzept-Identifikatoren Nach Import der Standardterminologien waren zusätzlich die "menschenlesbaren" Konzepthierarchien im System verfügbar (s. Abb. 6.2): AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

10 Abbildung 6.2: Auszug der importierten Standardterminologien Nach Ausführung des Transformationsjobs war die Zuordnung der importierten Faktendaten mit der Konzepthierarchie hergestellt, so dass eine Abfrage der importierten Daten über die Elemente sowohl des 21-Datensatzes als auch der Labor- und Medikationsdaten möglich war (s. Abb. 6.3): AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

11 Abbildung 6.3: Strukturierte Patientendaten nach der Transformation AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

12 7. Diskussion und Ausblick Während der Umsetzung des betreffenden Arbeitspaketes konnte eine erfolgreiche Integration von Basisdaten aus dem 21 mit erweiterten Daten aus einem Clinical DWH erzielt werden. Für die erweiterten Daten ergab sich die Notwendigkeit einer gezielten Vor- Aufbereitung der Quelldaten im DWH mit Hilfe von Views, um diese für die direkte Verarbeitung mit dem Extraktor für tabellarische Daten verwendbar zu machen. Durch die Einbindung relevanter Standardterminologien und die anschließende Transformation konnten die importierten Rohdaten über einen strukturierten, hierarchischen Zugangsweg erschlossen werden. Bei den Labordaten ergaben sich jedoch Einschränkungen durch den Ausschluss von Freitextbefunden. Die i2b2-plattform unterstützt prinzipiell zwar die parallele Speicherung sowohl numerischer als auch textueller Daten, allerdings hätte dies eine Vorverarbeitung erforderlich gemacht, die auf Basis der verwendeten Views nicht umsetzbar gewesen wäre. Hierzu soll in Zukunft ein entsprechender Job in Talend Open Studio erstellt werden, der entweder in den ETL-Pfad integriert oder als vorgelagerte Komponente ausgeführt werden kann, um eine entsprechend aufbereitete Kopie der Labordatentabelle(n) zu erstellen. Die Umsetzung der Labordaten beschränkt sich z.zt. auf die Speicherung der im Befund angegebenen (numerischen) Ausprägung sowie der ggf. mitgegebenen Kennzeichnung, ob ein Befund gegenüber seinem Normbereich erhöht oder erniedrigt ist. i2b2 würde darüber hinaus auch die explizite Angabe von Normbereichen zu den einzelnen in der Konzepthierarchie definierten Laborwerten ermöglichen. Dies erfordert jedoch die Konstruktion einer individuellen XML-Definition für jeden einzelnen Laborwert, was die im Rahmen des Projekts verfügbaren Ressourcen weiter überstiegen hätte und deshalb nicht verfolgt wurde. Der von i2b2 verfolgte Ansatz einer festen Normbereichsdefinition für Laborwerte bietet darüber hinaus keine Unterstützung für patientenindividuelle Normbereiche (z.b. alters- oder geschlechtsbezogen) sowie für wechselnde Normbereiche aufgrund veränderter Bestimmungsmethoden. Der im Projekt gewählte Weg, die vom Laborsystem mitgelieferte Kennzeichnung für Werte unter- bzw. oberhalb des dort (ggf. patientenindividuell) geführten Normbereichs zu nutzen, stellt hier möglicherweise den besten Ansatz dar. Im Gegensatz zum 21-Datensatz, der trotz Abdeckung alle stationären & teilstationären Behandlungsfälle eine überschaubare Größe hat, stellen sich die Labordaten deutlich umfangreicher dar und können schnell mehrere Millionen Datensätze für eine Jahreskohorte AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

13 erreichen. Bei Nutzung des Extraktors für tabellarische Datenquellen können sich aufgrund der Verwendung einfacher INSERT-Statements hier teilweise erhebliche Ladezeiten ergeben. Bei einer zukünftigen Erweiterung der IDRT-Plattform sollte deshalb die Nutzung spezieller Loading-Tools (z.b. des Oracle SQL*Loaders) in Erwägung gezogen werden, die teilweise erhebliche Geschwindigkeitsvorteile bieten könnten. Insgesamt konnte in AP5.2 erfolgreich demonstriert werden, wie eine Klinik ein Clinical Data Warehouse mit i2b2 auf Basis des 21-Datensatzes aufbauen und um zusätzliche klinische Fakten ergänzen kann. Durch die breite Verfügbarkeit des 21-Datensatzes und hohe Flexibilität der IDRT-Extraktoren kann dieses Beispiel leicht auf andere Standorte übertragen werden. AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

14 8. Literatur (zuletzt abgerufen am ) AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

15 9. Abbildungen & Tabellen Abbildung 6.1: Importierte Patientendaten mit nativen Konzept-Identifikatoren Abbildung 6.2: Auszug der importierten Standardterminologien Abbildung 9.3: Strukturierte Patientendaten nach der Transformation AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16

16 10. Glossar/Abkürzungsverzeichnis ATC Anatomical Therapeutic Chemical Classification System CSV Comma Separated Values DWH Data Warehouse LOINC Logical Observation Identifiers Names and Codes AP5.2: Realisierung USE CASE Clinical DWH, Integrated Data Repository Toolkit (IDRT), März / 16