面向FAIR数据共享的医学通用数据模型比较研究

通用数据模型（CDM）是促进多源异构健康医疗大数据标准化整合、增强数据语义理解一致性、推动多方协同分析的重要工具,经CDM标准化后的数据集合可为开展大规模人群队列等观察性研究提供有力支撑。本文深入比较分析了三项国际典型医学CDM的数据存储结构、术语映射模式和辅助工具研发情况,系统梳理各模型的优势、局限,总结了我国在CDM应用过程中所面临的挑战与机遇。期望通过探索国外在健康医疗大数据开放共享过程中的先进技术理念与实践模式,为推动我国健康医疗数据资源FAIR化建设,即数据可发现（findable）、可访问（accessible）、可互操作（interoperable）和可重用（reusable）,解决当前数据资源质量不佳、语义化程度低、无法实现打通共享和重复利用等实际问题提供借鉴。     

人工智能医疗器械标准数据集构建现状

采用文献调查法和内容分析法对标准数据集的构建现状进行了总结,明确了标准数据集的概念和特点,分析了目前国内外标准数据集构建的相关政策规范,从标准数据集构建流程与管理要素2方面梳理了构建工作的重点,提出了解决标准数据集构建存在问题的措施,为人工智能医疗器械标准数据集构建工作的进一步发展提供有益借鉴。     

生物医学数据匿名化工具ARX研究及启示

ARX工具是一款由德国慕尼黑工业大学开发,具有高效的全域匿名化算法、丰富的隐私模型、数据效用评估方法和重识别风险分析功能,被许多研究者和隐私政策制定者推荐的开源生物医学数据匿名化工具。通过梳理ARX工具的发展历史和相关研究,将ARX工具的功能架构归纳为数据导入导出模块、数据处理模块、隐私模型模块及其他参数模块、匿名化方案探索模块、效用分析模块及风险分析模块5个部分,并以Adult 数据集的匿名化为例梳理了ARX工具的工作流程,总结形成5个步骤。然后通过与其他匿名化工具的功能进行比较和分析,归纳了ARX工具的4个特点并总结了各模型和指标的原理和含义及ARX工具应用的局限性。最后结合我国数据共享的实际需求,针对性地提出了我国数据匿名化工具研发时需要重点关注的内容,对我国生物医学数据匿名化工具的研发具有一定的参考价值。     

姑息照护在心力衰竭患者中应用效果的系统评价

目的系统评价姑息照护干预心力衰竭患者的疗效。方法计算机检索PubMed、EMbase、CINAHL、The Cochrane Library、VIP、CNKI、CBM和WanFang Data数据库,搜集关于姑息照护干预心衰患者疗效的随机对照试验(RCT),检索时限均为建库至2021年9月。由2名研究者独立筛选文献、提取资料并评价纳入研究的偏倚风险后,采用RevMan 5.3软件进行Meta分析。结果共纳入11个RCT,包括912例患者。Meta分析结果显示,姑息照护可提高心力衰竭患者的生活质量[KCCQ或McGill QoL量表:SMD=0.85,95%CI(0.13,1.58),P=0.02;MLHFQ量表:SMD=-1.32,95%CI(-2.10,-0.54),P=0.0009]、降低患者抑郁水平[SMD=-0.58,95%CI(-0.87,-0.28),P=0.0001]与焦虑水平[SMD=-0.51,95%CI(-0.89,-0.13),P=0.008]、改善不良症状[SMD=-1.46,95%CI(-2.67,-0.24),P=0.02],减少人均住院时间[MD=-0.94,95%CI(-1.28,-0.60),P<0.00001]和降低再入院率[RR=0.64,95%CI(0.42,0.98),P=0.04],但对于患者的死亡率[RR=1.00,95%CI(0.63,1.57),P=0.99]并无明显影响。结论当前有限证据表明,姑息照护可改善心衰患者生活质量、情绪状态、不良症状,减少住院时间和降低再入院率。受纳入研究数量和质量的限制,上述结论尚待更多高质量研究予以验证。