摘要:多种健康状况在个人中共存非随意的,这对医疗保健和社会来说是日益严重的挑战。理解多发性模式可以导致更好的预防,治疗和个性化护理。电子健康记录的出现(EHR)系统提供了大量数据,用于研究现实世界的患者健康动态。然而,对EHR的主要设计用于计费和管理的关注提出了有关基于EHR的研究的一致性和可重复性的问题。在这项研究中,我们使用了国际疾病(ICD)代码分类来分析疾病合并症模式并采用了网络建模,以检查两个主要EHR系统的多发性。我们的发现揭示了她的系统之间高度相关的多发性模式,并通过图理论分析证实了本地(节点和边缘),全局(网络统计)和MESO(相邻连接结构)量表的多发性网络的一致性。此结果为开发有效的框架提供了新的见解,以分析和比较多种多发性网络中的复杂结构。我们的案例研究表明,识别多发性网络中的子图是检测疾病状况群集的有效方法,在多个多发性网络的图谱特征的支持下,我们开发了一种完整的在线网络聚类聚类算法作为识别这些簇的有效方法。为了促进访问这些复杂的数据集并促进进一步的发现研究和假设生成,我们开发了一套交互式可视化工具,用于复杂的在线数据分析利用来自多个EHR/Biobank数据源的数据。这些工具是开源的,可供公众使用,旨在使研究人员能够直观地探索多种多发性网络中的复杂疾病关系,从而增强了我们的集体理解并促进了在多重警察的背景下开发新颖的精确药物解决方案。
主要关键词