多中心临床大数据平台建设及深度应用

doi:10.11959/j.issn.2096-0271.2018029

大数据 ›› 2018, Vol. 4 ›› Issue (3): 46-53.doi: 10.11959/j.issn.2096-0271.2018029

• 专题：生物医疗大数据 • 上一篇下一篇

多中心临床大数据平台建设及深度应用

朱立峰¹,刘淑君¹,陈德华¹,乐嘉锦²

¹ 上海交通大学医学院附属瑞金医院，上海 200025
² 东华大学计算机科学与技术学院，上海 201620

出版日期:2018-05-15 发布日期:2018-05-30
作者简介:朱立峰（1976-），男，上海交通大学医学院附属瑞金医院高级工程师，主要研究方向为医疗信息管理和医疗大数据。|刘淑君（1995-），女，东华大学计算机科学与技术学院硕士生，主要研究方向为大数据和文本挖掘。|陈德华（1976-），男，博士，东华大学计算机科学与技术学院副教授，主要研究方向为大数据和智慧医疗。|乐嘉锦（1951-），男，东华大学计算机科学与技术学院教授、博士生导师，主要研究方向为数据库与数据仓库、大数据与智慧医疗。
基金资助:
上海市科技发展基金资助项目(16JC1400802);上海市科技发展基金资助项目(16JC1400803)

Construction and deep application of multi-center clinical big data platform

Lifeng ZHU¹,Shujun LIU¹,Dehua CHEN¹,Jiajin LE²

¹ Ruijin Hospital,Shanghai Jiaotong University School of Medicine,Shanghai 200025,China
² School of Computer Science and Technology,Donghua University,Shanghai 201620,China

Online:2018-05-15 Published:2018-05-30
Supported by:
Shanghai Science and Technology Development Fund(16JC1400802);Shanghai Science and Technology Development Fund(16JC1400803)

摘要/Abstract

摘要：

多中心临床研究是多中心、多学科对同一临床问题开展广泛协作临床研究的主要途径。传统多中心临床研究主要存在样本量偏小和临床科研相对封闭、开放程度不高的问题。为此，结合了新近兴起的大数据与云计算等技术，将物理上分散的各医院临床中心融合成逻辑上统一的临床大数据，构建了多中心临床大数据应用平台。介绍了多中心临床大数据平台的总体框架设计，详细阐述了平台各个子系统，分析了临床大数据平台的深度应用。

关键词: 多中心临床研究, 临床大数据分析与挖掘, 临床科研随访系统

Abstract:

Multi-center clinical research is the main approach for multi-center,multi-disciplinary,to develop some collaborative clinical researches on the same clinical issues.The traditional multi-center clinical research mainly has the disadvantages that small sample size and the clinical research is relatively closed and the degree of openness is not high.Therefore,the newly emerging technology,such as big data and cloud computing was combined to integrate clinical centers of physically dispersed hospitals into a logical and unified clinical data.On this basis,a multi-center clinical big data application platform was constructed.First,the overall framework of the multi-center clinical big data platform was designed,and then the subsystems of the platform were elaborated in detail.Finally,the deep application of clinical big data platform was introduced.

Key words: multi-center clinical research, analysis and mining of clinical big data, follow-up system of clinical scientific research

中图分类号:

TP391

朱立峰, 刘淑君, 陈德华, 乐嘉锦. 多中心临床大数据平台建设及深度应用[J]. 大数据, 2018, 4(3): 46-53.

Lifeng ZHU, Shujun LIU, Dehua CHEN, Jiajin LE. Construction and deep application of multi-center clinical big data platform[J]. Big Data Research, 2018, 4(3): 46-53.

图/表 2

参考文献 11

[1]	丁洁 . 关于多中心临床研究的思考[J]. 中华儿科杂志, 2011(11): 801-803.
	DING J . Thoughts on multi-center clinical research[J]. Chinese Journal of Pediatrics, 2011(11): 801-803.
[2]	李娌, 魏玉萍, 钱芳桥 ,等. 加强多中心临床研究的组织管理水平促进多中心临床研究质量提高[C]// 2011第三届全国医学科研管理论坛暨江苏省医学科研管理学术年会论文集,2011年10月1日,南京,中国. [出版地不详:出版者不详], 2011: 207-210.
	LI L , WEI Y P , QIAN F Q ,et al. strengthen the organization and management of multi-center clinical research to promote the quality of multi center clinical research to improve the[C]// 2011 3rd National Medical Scientific Research Management Forum and the Jiangsu Provincial Medical Scientific Research Management Academic Annual Meeting,October 1,2011,Nanjing,China.[S.l.:s.n], 2011: 207-210.
[3]	万霞, 李赞华, 刘建平 . 临床研究中的样本量估算:(1)临床试验[J]. 中医杂志, 2007(6): 504-507.
	WAN X , LI Z H , LIU J P . Sample size estimation in clinical research:(1)clinical trials[J]. Journal of Chinese medicine, 2007(6): 504-507.
[4]	崔洁, 朱立峰, 左铭 . 临床科研随访系统需求与策略[J]. 中国数字医学, 2016(12): 36-37,71.
	CUI J , ZHU L F , ZUO M . Requirements and strategies for clinical research followup system[J]. Chinese Digital Medicine, 2016(12): 36-37,71.
[5]	苌程 . 基于ETL的数据集成过程模型[D]. 杭州:浙江大学, 2010.
	CHENG C . Data integration process model based on ETL[D]. Hangzhou:Zhejiang University, 2010.
[6]	陈杰 . 大数据场景下的云存储技术与应用[J]. 中兴通讯技术, 2012,18(6): 47-51.
	CHEN J . Cloud storage technology and application in big data scenario[J]. ZTE Technology, 2012,18(6): 47-51.
[7]	ALPAY D . System theory,the Schur algorithm and multidimensional analysis[J]. Operator Theory Advances＆ Applications, 2007,21(3): 133-150.
[8]	DAN J , QIU J , XIANG G ,et al. A synthesized data mining algorithm based on clustering and decision tree[C]// International Conference on Computer and Information Technology,June 29-July 1,2010,Bradford,UK. Piscataway:IEEE Press, 2010: 2722-2728.
[9]	GERS F A , SCHMIDHUBER J , CUMMINS F . Learning to forget:continual prediction with LSTM[J]. Neural Computation, 2000,12(10): 2451-2471.
[10]	洪烨 . 基于机器学习算法的糖尿病预测模型研究[D]. 哈尔滨:哈尔滨工业大学, 2016.
	HONG Y . Research on diabetes prediction model based on machine learning algorithm[D]. Harbin:Harbin Institute of Technology, 2016.
[11]	苏杰 . 基于数据挖掘技术的高血压疾病评估方法研究[D]. 杭州:浙江大学, 2006.
	SU J . Research on hypertension disease assessment method based on data mining technology[D]. Hangzhou: Zhejiang University, 2016.

[1]	刘豆豆, 焦宝臣. 高校数据资产编目研究[J]. 大数据, 2023, 9(3): 71-84.
[2]	吴亚东, 陈家鸣, 罗焱, 王学锋, 黄德春, 倪超, 蓝集明, 李随群, 张巍瀚, 代唯. 彩灯元宇宙研究综述[J]. 大数据, 2023, 9(3): 97-113.
[3]	邓钇敏, 张旭龙, 司世景, 王健宗, 肖京. 虚拟人形象合成技术综述[J]. 大数据, 2023, 9(3): 114-139.
[4]	李婧文, 李雅文. 算法应用风险与治理研究[J]. 大数据, 2023, 9(3): 140-149.
[5]	焦荟聪, 刘文菊, 王赜. 基于指数机制的轨迹差分隐私保护方法[J]. 大数据, 2023, 9(1): 141-152.
[6]	王子航, 禹向群, 斯洪标, 傅思敏, 张旭龙, 彭绍亮. 基于算力网络的元宇宙分层处理模型设计[J]. 大数据, 2023, 9(1): 51-62.
[7]	朱锐, 王宏志, 崔双双, 张恺欣, 燕钰. 面向元宇宙的云边端协同大数据管理[J]. 大数据, 2023, 9(1): 63-77.
[8]	于亚秀, 李欣. 数字人文视域中的古籍文本标注方法研究——以MARKUS为例[J]. 大数据, 2022, 8(6): 15-25.
[9]	崔雨萌, 王靖亚, 闫尚义, 陶知众. 基于深度学习的警情记录关键信息自动抽取[J]. 大数据, 2022, 8(6): 127-142.
[10]	韩立帆, 季紫荆, 陈子睿, 王鑫. 数字人文视域下面向历史古籍的信息抽取方法研究[J]. 大数据, 2022, 8(6): 26-39.
[11]	罗煜楚, 吴昊, 郭宇涵, 谭绍聪, 刘灿, 蒋瑞珂, 袁晓如. 数字人文中的可视化[J]. 大数据, 2022, 8(6): 74-93.
[12]	易杰, 曹腾飞, 黄明峰, 黄肖翰, 张子震. 基于时间编码LSTM的高校舆情热点趋势预测研究[J]. 大数据, 2022, 8(5): 124-138.
[13]	阮雯强, 徐铭辛, 涂新宇, 宋鲁杉, 韩伟力. 数据租赁——数据流通的新方式[J]. 大数据, 2022, 8(5): 3-11.
[14]	关海山, 郑玉龙, 魏笔凡, 张泽民, 岳浩, 师斌, 董博. 税收优惠政策关键要素抽取与可视化分析[J]. 大数据, 2022, 8(5): 106-123.
[15]	张宇奇, 黄晓雯, 桑基韬. 知识增强策略引导的交互式强化推荐系统[J]. 大数据, 2022, 8(5): 88-105.

多中心临床大数据平台建设及深度应用

Construction and deep application of multi-center clinical big data platform

在线阅读

PDF下载

可视化

被引次数

摘要/Abstract

引用本文

使用本文

图/表 2

参考文献 11

相关文章 15

Metrics

推荐阅读 0