por Sony A7s II y FS5: mis opiniones y lo que necesitas saber
Hyeon-Jong Yang es profesor jefe del Departamento de Pediatría y director del centro de innovación de datos SCH del Hospital de la Universidad de Soonchunhyang de Seúl. Ha sido revisor de la AAIR durante varios años y se incorporó como editor asociado en 2022.
Los intereses científicos del profesor Yang son la epidemiología y la ciencia de los datos, en particular el diseño de estudios en el campo de la alergia y las enfermedades respiratorias. Recientemente, su trabajo se ha centrado en la investigación en el mundo real utilizando la integración de datos entre los datos de cohortes y los grandes datos sanitarios. Participa activamente en el proyecto (OMOP CDM, financiado por el Ministerio de Comercio, Industria y Energía, y Sentinel CDM, financiado por el Instituto Coreano de Seguridad de los Medicamentos y Gestión de Riesgos) y en la integración de datos entre cohortes de asma infantil y big data sanitario como investigador principal.
Ha trabajado un total de 5 años en EE.UU., incluyendo un asociado de investigación de alergias en el National Jewish Health, Denver, en la Clínica Mayo, Rochester, y en el Hospital de la Universidad de Wisconsin, Madison, EE.UU.
【hyun】cdm en la universidad ep.11 (parte 1)
Reprints and PermissionsAbout this articleCite this articleByun, J., Lee, D.Y., Jeong, CW. et al. Analysis of treatment pattern of anti-dementia medications in newly diagnosed Alzheimer’s dementia using OMOP CDM.
Sci Rep 12, 4451 (2022). https://doi.org/10.1038/s41598-022-08595-1Download citationShare this articleAnyone you share the following link with will be able to read this content:Get shareable linkSorry, a shareable link is not currently available for this article.Copy to clipboard
ComentariosAl enviar un comentario aceptas cumplir con nuestros Términos y Directrices de la Comunidad. Si encuentras algo abusivo o que no cumple con nuestros términos o directrices, por favor márcalo como inapropiado.
【hyun】cdm en la universidad ep.14
Financiación Esta investigación ha sido apoyada por una subvención del Proyecto de I+D de Tecnología Sanitaria de Corea a través del Instituto de Desarrollo de la Industria Sanitaria de Corea (KHIDI), financiado por el Ministerio de Salud y Bienestar de la República de Corea (número de subvención: HI19C0378). Este trabajo también fue apoyado en parte por el Programa de Innovación Tecnológica (número de subvención: 20003883, Avance y expansión de la plataforma de datos biosanitarios distribuidos basada en el MDL) financiado por el Ministerio de Comercio, Industria y Energía (MOTIE, Corea).
Antecedentes La información sobre el estado del cáncer es un componente esencial de la investigación oncológica. Sin embargo, la información se almacena principalmente como un documento clínico completo o semiestructurado de texto libre, lo que limita el uso de los datos. Al transformar los datos específicos del cáncer al modelo de datos comunes de la Observational Medical Outcome Partnership (OMOP CDM), la información puede contribuir a establecer estudios observacionales multicéntricos sobre el cáncer. Hasta donde sabemos, no ha habido estudios sobre la transformación de OMOP CDM y el procesamiento del lenguaje natural (NLP) para el cáncer de tiroides hasta la fecha.
【hyun】cdm en la universidad ep. 20
Las reacciones adversas a los medicamentos (RAM) se consideran una de las principales causas de muerte y un importante factor de contribución a los costes de la sanidad pública. Para la vigilancia activa de la seguridad de los medicamentos, es importante el uso de datos y pruebas del mundo real como parte del proceso global de farmacovigilancia. En este sentido, muchos estudios aplican los enfoques basados en datos para apoyar la farmacovigilancia. Desarrollamos una tubería de procesamiento de datos de farmacovigilancia (PDP) que utilizaba los datos de las historias clínicas electrónicas (EHR) y del sistema de notificación espontánea (SRS) para explorar las señales de farmacovigilancia.
Para ello, integramos dos fuentes de datos médicos: La HCE del Hospital Universitario Konyang (KYUH) y el Sistema de Notificación de Eventos Adversos (FAERS) de la Administración de Alimentos y Medicamentos de los Estados Unidos (FDA). Como parte del PDP presentado, convertimos los datos de la HCE en el modelo de datos de la Observation Medical Outcomes Partnership (OMOP). Para evaluar la capacidad de utilizar el PDP propuesto con fines de farmacovigilancia, realizamos una validación estadística utilizando medicamentos que inducen trastornos del oído.
