توسعه دهندگان و پزشکان فقط ساخته شده است این غول منبع باز پروژه داده به درک coronavirus

به عنوان بزرگترین ارائه دهنده سلامت در جهان دارای بیمه خدمات درمانی بی نظیر مقدار از داده های سلامت که دانشمندان و محققان باید قادر به قرعه کشی به کمک به آنها را پیدا کنید پیدا کردن راه هایی برای درمان یا جلوگیری از بیماری است.

در عمل بیمه خدمات درمانی بیمار داده نشده و همواره به عنوان در دسترس محققان به عنوان آنها را می خواستم.

اما تهدید فوری از coronavirus ایجاد انگیزه برای قرار دادن مخزن بزرگ از داده ها در راستای دفع به عنوان به زودی به عنوان ممکن است به منظور کمک به آنها در پیدا کردن پاسخ به سوالات مانند که چرا برخی از مردم بیشتر احتمال دارد به مرگ از بیماری و اینکه آیا داروهای یک بیمار تاثیر می گذارد که آیا آنها دچار علائم شدید یا نه.

ببینید: Big data, مدیریت, راهنمایی (PDF رایگان) (TechRepublic)

OpenSafely جدید, منبع باز, تجزیه و تحلیل پلت فرم ساخته شده است که بیمه خدمات درمانی سوابق سلامت ده ها میلیون نفر از مردم در انگلستان در دسترس محققان به تجزیه و تحلیل در مبارزه خود را در برابر COVID-19. از طریق OpenSafely پلت فرم محققان می توانند تجزیه و تحلیل پرونده الکترونیک سلامت از میلیون ها نفر از افراد است. این سوابق شامل کامل pseudonymised مراقبت های اولیه داده ها از 24 میلیون نفر بیشتر به زودی اضافه شده. تحلیلی و نرم افزار باز است برای امنیت, بررسی, علمی, نقد و بررسی و استفاده مجدد.

OpenSafely ایجاد شد فقط در پنج هفته توسط دانشگاه آکسفورد لندن دانشکده بهداشت و طب گرمسیری و بهداشت ثبت شرکت ها از جمله TPP; NHS انگلستان اقدام به عنوان کنترل کننده داده ها. در حالی که ایده ایجاد یک تجزیه و تحلیل پلت فرم مانند OpenSafely predated COVID خطر این بیماری و درک ارزش اطلاعات بیمه خدمات درمانی, دارای, موجب سازمانها به kickstart پروژه; در همان زمان COPI اطلاع از NHS X خدمات سلامت در فناوری و دیجیتال, واحد ساخته شده اطلاعات حکومت در اطراف اطلاعات بیمار در طول coronavirus ساده تر.

"وجود دارد که نیاز به دسترسی به یک مقیاس بی سابقه ای از داده اما برای انجام این کار, ما تا به حال به آمده تا با یک مدل است که بسیار امن تر از هر چیزی بود که قبل از رفته می گوید:" دکتر بن Goldacre مدیر دانشگاه آکسفورد EBM اطلاعات آزمایشگاه.

مسائل امنیتی در اطراف و حریم خصوصی باید بازیگران سایه پروژه به دنبال استفاده از بیمه خدمات درمانی داده برای تحقیقات در گذشته و با توجه به حساسیت شدید از داده های سلامت, مطمئن شوید که 'anonymised' یا 'pseudonymised' records نمی تواند معکوس مهندسی به دادن اطلاعات حساس در یک فرد کلیدی بود برای OpenSafely.

برای انجام این کار OpenSafely با استفاده از یک سری از لایه جداول هر از دست دادن کمتر و کمتر اطلاعات بر افراد و محققان اصلا دسترسی به یک پایگاه داده پرس و جو در خام رویداد-سطح اطلاعات بیمار است.

"آنها ارائه توضیحات از آنچه خود تحلیلی همگروهی باید مانند نگاه کنید کد و سپس اجرا می شود که از راه دور. آنها نمی توانند فراموش ساده پایگاه داده پرس و جو است که در آن همه خطرات امنیتی خواهد اقامت" Goldacre می گوید.

برای حفظ بیمه خدمات درمانی بيماران داده ها به عنوان امن به عنوان امکان پذیر است OpenSafely منتقل شده از یک مدل مبتنی بر اعتماد (که در آن مورد اعتماد محققان تایید شده برای کار بر روی داده های خام) به یکی بیشتر مبتنی بر اثبات است.

"این تا حدودی یک مفهوم است که شما به ارث می برند از کار با توسعه دهندگان نرم افزار. شما با قرار دادن آزمون در کد خود را, شما می خواهید اثبات این که چیزی کار می کند, شما نمی خواهید به تکیه بر اعتماد" Goldacre می گوید.

"من فکر می کنم آن می شده اند به روشنی به طور کامل غیر ممکن و فوق العاده خطرناک برای تجزیه و تحلیل مراقبت های اولیه پرونده از 40 درصد از جمعیت با استفاده از مدل سنتی از داده های بزرگ عصاره. که می شده اند غیر قابل تصور خطرناک است و من فکر می کنم حتی یک هدف کلی اعتماد تحقیقات محیط زیست شده اند که بسیار خطرناک است."

محققان تنها قادر خواهد بود به تجزیه و تحلیل OpenSafely اطلاعات داخل پرونده سلامت الکترونیک شرکت datacentre. به جای این مدل معمول از صادرات داده که محققان کار بر روی محلی (و پس از افشای آن را به محلی خطرات امنیتی) تمام تجزیه و تحلیل صورت می گیرد که در آن سوابق اقامت و تنها خلاصه ای از جداول استخراج می شود می تواند توسط محققان.

OpenSafely نیز موجود است تحت منبع باز گواهینامه با کد منتشر شده در GitHub در کنار مطالعه تعریف برای مطالعه برای اولین بار اجرا روی داده است.

پروژه های شبیه OpenSafely در نهایت می تواند کمک به فشار جامعه پژوهش را بیشتر باز کمتر proprietorial موضع خود را با داده ها و تجزیه و تحلیل. "در برخی موارد ما ساخته شده است OpenSafely به کمک و تشویق اپیدیولوژی برای تبدیل شدن به بهتر است در به اشتراک گذاری کار خود را نه با hectoring آنها اما فقط با ساخت آن کاملا طبیعی است بخشی از گردش کار," او می گوید.

این سیستم باعث می شود ویژگی های کاری خود را -- باز بودن بیشتر از پزشکان و محققان ممکن است به طور سنتی باید احساس راحتی با.

راه این گروه ساخته شده است OpenSafely با هدف تشویق محققان برای به اشتراک گذاشتن همه چیز آنها را به عنوان آنها بروید. هنگامی که کاربران را به یک کد لیست-یک لیست از افرادی با شرایط خاص به عنوان مثال -- و یا یک تحلیلی اسکریپت, آن همه به اشتراک گذاشته شده در GitHub.

"همه چیز را که شما انجام دهید این است که به اشتراک گذاشته شده توسط طراحی" Goldacre می افزاید.

آن را گرفته برای OpenSafely به یاد آن میوه: یک مطالعه از 17 میلیون پرونده منتشر شده در ماه گذشته نشان داد که مردم از سیاه و آسیایی, پس زمینه, بودند, بیشتر در معرض خطر مرگ از COVID-19 حتی زمانی که خود را پزشکی اضافی عوامل خطر و هر گونه محرومیت اجتماعی محاسبه شده بود ، همچنین شناسایی عوامل خطر کلیدی برای مرگ از COVID از جمله اینکه مرد مسن و یا با آسم شدید و کنترل ضعیف دیابت است.

ببینید: Coronavirus: اپل و تسلا فاش کردن محصولات جدید آنها در حال ساخت در COVID-19 مبارزه

OpenSafely شده است قادر به رفتن از راه اندازی اولین تحقیقات در عرض چند هفته با استفاده از یک تیم که شامل 'توسعه-اپیدیولوژی' است که می تواند کمک به درک هر دو این نرم افزار و کارکنان و همچنین محققان در حال کار بر روی این پروژه.

"ما توسعه دهندگان نرم افزار -- مناسب, تجاری, درجه, full stack جنگو و پایتون توسعه دهندگان -- کار در کنار پزشکان و محققان چرا که این تنها راهی است که ما قادر به ساخت OpenSafely با یک دید تیم. در گروه ما طی پنج سال گذشته ما ساخته شده است یک تیم که در آن توسعه دهندگان نرم افزار ما می دانم که بسیاری در مورد چگونگی سلامت داده ها کار می کند, چگونه آزمایش های بالینی کار, چگونه بیمه خدمات درمانی با این نسخهها کار عملیاتی و تحقیق چگونه کار می کند, اما همچنین ما رو پزشکان و محققان که می دانید که چگونه توسعه دهندگان نرم افزار کار می کنند. آنها می دانند که چگونه به استفاده از GitHub آنها می دانند که چگونه به استفاده از Docker آنها نوشتن Jupyter نوت بوک در پایتون. و به طوری که بدان معنی است که هر کس می تواند بسیار روان تر و خلاق در اطراف ساختمان جدید ابزارها و خدمات" Goldacre می گوید.

"من فکر نمی کنم آن را لازم را برای همه افراد به کسانی که محاسباتی علوم اطلاعات مهارت, اما من فکر می کنم آن را واقعا مهم شکاف مهارت است که واقعا نادیده گرفته شده است."

تحقیقات بیشتر نشریات به احتمال زیاد به دنبال از OpenSafely -- به عنوان به خوبی به عنوان تیم خود خط لوله پژوهش وجود داشته است حدود 100 روش از دیگر محققان به دنبال اجرای خود را با تجزیه و تحلیل داده ها.

این رود داده ها استفاده خواهد شد برای کمک به پاسخ به سوالات در مورد نحوه پیشنهاد موثر برای درمان COVID-19 عوامل خطر برای ابتلا به علایم شدید و یا نیاز ایطو پذیرش چگونه این بیماری ممکن است گسترش یافته و بر نیازهای بهداشت و درمان در یک منطقه با توجه به ارزیابی میزان موثر مداخلات بهداشت عمومی مانند مستندات بوده است و حتی کار کردن تاثیر coronavirus پس لرزه -- غیر منتظره سلامت اثرات ناشی از این ویروس مانند تاخیر سرطان ارجاع و یا واکسیناسیون.

نیز وجود دارد برنامه ای برای 'مرحله دوم' پروژه است که آن را فراتر از صرفا حمایت فوری coronavirus مربوط به تحقیق و بر روی دنبال در چگونه به فعال کردن گسترده تر تحقیقات بهداشتی در NHS مراقبت های اولیه می دهد.