Exploring outcomes of research data structured by SNOMED CT: - An exemplification based on mapping a syncope research
Author
Steenvinkel, Camilla Lærke
Term
4. term
Publication year
2003
Submitted on
2003-01-31
Abstract
Baggrund: SNOMED CT er en international klinisk terminologi, der standardiserer, hvordan sundhedsoplysninger beskrives. Når forsknings- eller kliniske data skal kobles til SNOMED CT, er det vigtigt, at valget af begreber sker konsekvent, men det kan være tvetydigt. Der findes kun begrænset vejledning i, hvordan forskningsdata bør mappes. Dette projekt undersøgte, om en eksisterende vejledning udviklet til at mappe EHR-skabelonbegreber kan bruges til et forskningsdatasæt, hvordan den bør tilpasses, samt hvad SNOMED CT kan tilføre et sådant datasæt. Metode: Vi anvendte et eksempelbaseret studie, hvor et forskningsdatasæt om 941 patienter med synkope (besvimelse) blev mappet til SNOMED CT. Arbejdet foregik iterativt i tre trin: 1) gruppere datasættets dataelementer (enkeltfelter), 2) mappe hver gruppe, og 3) forfine mappet, indtil et sæt kvalitetskriterier for konsistens var opfyldt. Når vejledningen ikke dækkede et område, fulgte vi en tretrinsfremgangsmåde: identificere mulige kandidatbegreber, skitsere deres definerende og kvalificerende relationer for at afklare muligheder og begrænsninger, og vælge det bedst egnede begreb. Resultater: Datasættets dataelementer blev inddelt i seks grupper. To grupper – diagnoser og medicin – blev mappet til SNOMED CT. I begge grupper kunne elementerne knyttes til underbegreber under et fælles overordnet SNOMED CT-begreb for gruppen; dermed opstod sammenhængende delmængder med et delt overbegreb som mindste fælles forælder. Kontekstuelle værdier som Ja, Nej og Uoplyst havde ikke passende SNOMED CT-begreber og blev ikke mappet. Ét dataelement blev ikke mappet, fordi dets betydning ikke kunne tolkes. Konklusion: SNOMED CT kan repræsentere forskningsdata med fleksibel detaljeringsgrad og kan tilføje flere detaljer til datasættet. At mappe forskningsdata til SNOMED CT er et skridt mod semantisk interoperabilitet og lettere dataudtræk fra EPJ-systemer, hvilket kan støtte translationsforskning og forbedre kliniske arbejdsgange.
Background: SNOMED CT is a global clinical terminology that standardizes how health information is described. Mapping clinical or research data to SNOMED CT must be consistent, yet choosing the right concepts is often ambiguous. There is little guidance on how to map research data. This project examined whether a guideline developed for mapping EHR template terms can be applied to a research dataset, how it should be adapted, and what SNOMED CT can add to such data. Methods: We conducted an example-based study by mapping a research dataset of 941 patients with syncope (fainting) to SNOMED CT. The work followed an iterative three-step process: 1) group the dataset’s data elements (individual fields), 2) map each group, and 3) refine the mapping until a set of quality criteria for consistency was met. When the guideline did not cover a situation, we used a three-step fallback: identify candidate concepts, outline each candidate’s defining and qualifying relationships to clarify options and limitations, and choose the best fit. Results: The dataset’s data elements were divided into six groups. Two groups—diagnoses and medication—were mapped to SNOMED CT. In both groups, elements could be mapped to descendants of a shared, higher-level SNOMED CT concept for the group; this formed coherent subsets with the shared parent acting as the least common parent. Contextual values such as Yes, No, and Unspecified had no suitable SNOMED CT concepts and were not mapped. One data element was not mapped because its meaning could not be interpreted. Conclusion: SNOMED CT can represent research data at a flexible level of granularity and can add detail to the dataset. Mapping research data to SNOMED CT is a step toward semantic interoperability and easier data extraction from EHR systems, supporting translational research and improvements in clinical care.
[This abstract was generated with the help of AI]
Documents