健康信息学愿景：引入 SKED 框架——一种从数据中提取科学知识的可扩展架构
定量方法
2017-06-27 v1
摘要
医疗保健“三重目标”(Triple Aim) 与 P4 医学的目标勾勒出了需要重要健康信息学支撑的愿景。然而，这些目标并未提供规范，说明如何将所有新的个体患者数据与其他来源的数据（如流行病学数据）以有意义的方式结合，以促进个体和社会的健康。我们似乎拥有比以往更多的数据，但缺乏有效利用这些数据的资源和手段。我们需要一种通用、可扩展的解决方案，以整合并同化来源不同、格式不兼容且具有多种空间与时间尺度的数据。为了解决这一问题，我们引入了从数据中提取科学知识(Scientific Knowledge Extraction from Data, SKED)架构，作为一种技术无关的框架，以最小化数据集成的开销，允许分析流水线的重用，并保证可复现的定量结果。SKED 架构由用于定位资源的资源分配服务以及用于简化和协调数据的数据原语定义组成。SKED 允许自动化知识发现，并为实现现代医疗保健的主要目标提供了一个平台。
引用
@article{arxiv.1706.07992,
title = {A Vision for Health Informatics: Introducing the SKED Framework.An Extensible Architecture for Scientific Knowledge Extraction from Data},
author = {Elizabeth D. Trippe and Jacob B. Aguilar and Yi H. Yan and Mustafa V. Nural and Jessica A. Brady and Mehdi Assefi and Saeid Safaei and Mehdi Allahyari and Seyedamin Pouriyeh and Mary R. Galinski and Jessica C. Kissinger and Juan B. Gutierrez},
journal= {arXiv preprint arXiv:1706.07992},
year = {2017}
}
备注
8 pages, 4 figures