omop-ohdsi

Vue d'ensemble

OHDSI (Observational Health Data Sciences and Informatics) fournit des outils pour convertir les données EHR au modèle de données commun OMOP, exécuter des analyses de cohortes et des estimations au niveau de la population. Standard pour la recherche sur les preuves du monde réel.

Installation

uv pip install ohdsi-feature-extraction

Outils clés de l'écosystème

• ACHILLES — tableaux de bord de qualité des données et de caractérisation pour OMOP CDM
• ATLAS — définition et analyse de cohortes basées sur le web
• CohortMethod — études de cohortes comparatives entre traitements
• PatientLevelPrediction — modèles ML pour les résultats des patients
• FeatureExtraction — création automatisée de covariables à partir des données OMOP

Exemple Python

# Using the OHDSI Python API
from ohdsi_database_connector import DatabaseConnector

connection_details = {
    "dbms": "postgresql",
    "server": "localhost/omop_cdm",
    "user": "ohdsi",
    "password": "your_password",
}
conn = DatabaseConnector(connectionDetails=connection_details)

# Run a cohort SQL query
sql = "SELECT person_id, condition_concept_id, condition_start_date FROM condition_occurrence"
results = conn.querySql(sql)

Flux de travail

1. Mapper les données EHR sources au modèle de données commun OMOP v5.x
2. Exécuter ACHILLES pour la caractérisation de la qualité des données
3. Définir les cohortes dans ATLAS ou via SQL
4. Extraire les caractéristiques avec FeatureExtraction
5. Exécuter des analyses : CohortMethod, SelfControlledCaseSeries
6. Construire des modèles prédictifs avec PatientLevelPrediction