gms | German Medical Science

HEC 2016: Health — Exploring Complexity
2016 Joint Conference of GMDS, DGEpi, IEA-EEF, EFMI

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V.
Deutsche Gesellschaft für Epidemiologie e. V.

28.08. - 02.09.2016, München

Transformation von Intensivdaten von der MIMIC-II Datenbank auf einen FHIR-Server

Meeting Abstract

Suche in Medline nach

  • Christian Kamann - Institut für Medizinische Informatik, Universität zu Lübeck, Lübeck, Deutschland
  • Josef Ingenerf - Institut für Medizinische Informatik, Universität zu Lübeck, Lübeck, Deutschland

HEC 2016: Health – Exploring Complexity. Joint Conference of GMDS, DGEpi, IEA-EEF, EFMI. München, 28.08.-02.09.2016. Düsseldorf: German Medical Science GMS Publishing House; 2016. DocAbstr. 438

doi: 10.3205/16gmds143, urn:nbn:de:0183-16gmds1439

Veröffentlicht: 8. August 2016

© 2016 Kamann et al.
Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). Lizenz-Angaben siehe http://creativecommons.org/licenses/by/4.0/.


Gliederung

Text

Hintergrund: In einem abgeschlossenen Projekt mit einem Medizingeräte-Hersteller wurde gezeigt, wie intensivmedizinische Daten auf den HL7 CDA Dialekt "PHMR" (Personal Healthcare Monitoring Report) abgebildet werden können, um Vorteile semantisch interpretierbarer Daten ausnutzen zu können, z.B. die Integration entscheidungsunterstützender Systeme ohne Anpassung an proprietäre Datenstrukturen klinischer Systeme [1]. Nach dieser positiven Erfahrung ist der Projektpartner an umfangreicheren Inhalten der in den USA bereitgestellten Datenbank MIMIC-II (Multiparameter Intelligent Monitoring in Intensive Care II) interessiert [2]. Mit Verweis auf Smits et al. [3] wurde entschieden, die auf einem relationalen Datenbankschema basierenden Daten in geeignete Ressourcen des Standards HL7 FHIR (Fast Healthcare Interoperability Resources) zu transformieren [4], [5]. Analog zu Schult et al. [6] sollte im Rahmen einer studentischen Arbeit für definierte Ausschnitte der MIMIC-II-Datenbank eine solche Abbildung realisiert werden [7]. Im Gegensatz zum Dokumentenstandard HL7 CDA verspricht der Ressourcen-orientierte Standard HL7 FHIIR die detaillierten Inhalte fein-granulärer abzubilden.

Methoden: Bevor die MIMIC-II-Datenbank in Form von Flat Files heruntergeladen werden kann, muss trotz sorgfältiger De-Identifikation von Personendaten eine Online-Schulung zu Themen wie „Privacy“ und „Datenschutz“ erfolgreich abgeschlossen werden [8]. Die MIMIC-II-Datenbank (30 GB) wurde unter Verwendung von Postgres mit SQL-Import-Befehlen aufgesetzt. Neben Patientendaten mit demographischen und klinischen Kerndaten sind umfangreiche Labordaten, Scores, Signale und Bilder enthalten [9]. Zwei wesentliche Aufgabenbereiche bestehen im Studium der MIMIC II Datenbankstruktur sowie der relevanten Ressourcen des HL7 FHIR Standards.

MIMIC II:

  • Schemaanalyse und Identifikation relevanter Tabellen, Attribute und Datentypen
  • Analyse strukturierter Attributwerte bzw. der über Fremdschlüssel verknüpften Stammtabellen

FHIR:

  • Analyse relevanter FHIR-Ressourcen und deren XML-Schemata
  • Abbilden von Stammtabellen auf Value Sets und die Erstellung korrespondierender FHIR-Profile

Zur Transformation der relationalen Daten der MIMIC II – Datenbank wurden mit dem Werkzeug Altova MapForce® als Mapping-Tool geeignete XSL-Transformationen generiert, um die Inhalte in XML-Ressourcen des FHIR-Standards zu transformieren. Die erzeugten FHIR-Ressourcen wurden über ein Java-Programm unter Verwendung der HAPI-FHIR-Bibliothek per REST-Aufrufe auf einem lokal verfügbaren HL7 FHIR-Server gespeichert.

Ergebnisse: Basierend auf den Erkenntnissen, welche während der Erstellung der zugrundeliegenden Bachelorarbeit entstanden sind, wurden zunächst die grundlegenden Inhalte der MIMIC II Datenbank in Form von Patienten-, Aufnahme- und Diagnosedaten in die standardisierte Repräsentationsform von FHIR-Ressourcen transformiert. Es konnten 32.535 Patienten und mit diesen zusammenhängend 36.094 Aufnahmen und 314.648 Diagnosen erfolgreich gemappt werden.

Zusammenfassung: Im Verlauf dieser Arbeit stellte sich heraus, dass ein großer Aufwand darin bestand, die zahlreichen Stammtabellen der MIMIC-II-Datenbank auf geeignete FHIR-ValueSets abzubilden, z.B. Ethnicity oder Religion. Mit Blick auf die in FHIR verfügbaren ValueSets müssen über geeignete Profile Ergänzungen vorgenommen werden, bevor FHIR-basierte Ressourcen wie Patient oder Observation mit Referenz auf die ValueSet-Ressourcen erzeugt werden können. Erschwert wird dieses durch fehlende Werte, die mit geeigneten Nullflavors in FHIR abgebildet werden müssen, sowie durch eine nicht unterstützte Gewährleistung referentieller Integrität. Grundsätzlich leidet die Verwendbarkeit der MIMIC-II-Datenbank mit Intensivdaten aus einer US-amerikanischen Klinik unter einigen Defiziten, z.B. werden Diagnosen über ICD-9-CM kodiert und Haupt- bzw. Nebendiagnosen nicht differenziert. Deshalb wird angestrebt, de-identifizierte Intensivdaten aus lokal verfügbaren Datenbeständen gemäß einer analogen Vorgehensweise auf HL7 FHIR abzubilden und dann weitere, oben genannte Datenkategorien wie Vitalwerte und Bilder einzuschließen.


Literatur

1.
Ingenerf J, Kock AK, Poelker M, Seidl K, Zeplin G, Mersmann S, et al. Standardizing intensive care device data to enable secondary usages. Stud Health Technol Inform. 2012; 180:619-23.
2.
MIMIC II (Physionet). http://www.physionet.org/mimic2 (zuletzt zugegriffen: 08.03.2016). Externer Link
3.
Smits M, Kramer E, Harthoorn M, Cornet R. A comparison of two Detailed Clinical Model representations: FHIR and CDA. European Journal for Biomedical Informatics. 2015; 11(2):en7-en17.
4.
Mense A. Flächenbrand – HL7 on FHIR („fire“). HL7-Mitteilungen. 2014; 34:10-14.
5.
HL7 FHIR Spezifikation. https://www.hl7.org/fhir/ (zuletzt zugegriffen: 08.03.2016). Externer Link
6.
Schult T, Kluge S, Wegener D, Staemmler M, Eds. FHIR nutzen: Erfahrungen aus der Umsetzung eines Notfalldatensatzes. In: GMDS 2015. 60. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (GMDS). Krefeld, 06.-09.09.2015. Düsseldorf: German Medical Science GMS Publishing House; 2015. DocAbstr. 275. DOI: 10.3205/15gmds047 Externer Link
7.
Kamann C. Transformation von Intensivdaten von der MIMIC-II Datenbank auf einen FHIR-Server. Universität zu Lübeck: Bachelorarbeit; 2015.
8.
Protecting Human Research Participants (PHRP). https://phrp.nihtraining.com/ (zuletzt zugegriffen: 08.03.2016). Externer Link
9.
Clifford GD, Scott DJ, Villarroel M; Harvard-MIT Division of Health Sciences & Massachusetts Institute of Technology, Hrsg. User Guide and Documentation for the MIMIC II Database. MIMIC-II database version 2.6., Rev: 291. Harvard-MIT Division of Health Sciences & Massachusetts Institute of Technology; Februar 2012.