Uwimana

已发表版本的引文（哈佛）：Nishimwe, A, Ruranga, C, Musanabaganwa, C, Mugeni, R, Semakula, M, Nzabanita, J, Kabano, I, Uwimana, A, Utumatwishima, JN, Kabakambira, JD 、 Uwineza, A、 Halvorsen, L、 Descamps, F、 Houghtaling, J、 Burke, B、 Bahati, O、 Bizimana, C、 Jansen, S、 Twizere, C、 Nkurikiyeyezu, K、 Birungi, F、 Nsanzimana, S 和 Twagirumukiza , M 2022, “利用人工智能和数据科学技术协调、共享、访问和分析卢旺达的 SARS-COV-2/COVID-19 数据（LAISDAR 项目）：研究设计和原理”，BMC 医学信息学和决策，卷22，214。https：//doi.org/10.1186/s12911-022-01965-9

摘要背景：自卢旺达爆发 COVID-19 疫情以来，已收集了大量 SARS-COV-2/COVID-19 相关数据，包括 COVID-19 检测和医院常规护理数据。不幸的是，这些数据分散在不同的数据结构或格式的孤岛中，无法用于增进对疾病的了解、监测其进展并生成指导预防措施的证据。该项目的目标是利用人工智能 (AI) 和数据科学技术协调数据集，以支持卢旺达政府监测和预测 COVID-19 负担的需求，包括医院入院率和总体感染率。方法：该项目将收集现有数据，包括医院电子健康记录 (EHR)、COVID-19 检测数据，并与社区调查的纵向数据相链接。观察性健康数据科学与信息学 (OHDSI) 的开源工具将用于通过观察性医疗结果伙伴关系 (OMOP) 通用数据模型 (CDM) 协调医院 EHR。该项目还将利用其他 OHDSI 工具进行数据分析和网络集成，以及 R Studio 和 Python。该网络将包括卢旺达多达 15 家医疗机构，其 EHR 数据将与 OMOP CDM 协调。预期结果：这项研究将产生一个技术基础设施，其中 15 家参与的医院和健康中心将在本地 Mac Mini（“数据节点”）上拥有 OMOP CDM 格式的 EHR 数据，以及一组 OHDSI 开源工具。中央服务器或门户将包含参与站点的数据目录，以及用于定义和管理分布式研究的 OHDSI 工具。中央服务器也会整合这些信息