VIEW：一种用于组织级交互式记录链接以支持可复现数据科学的框架
人机交互
2021-02-17 v1
摘要
目的：设计并评估一种通用的交互式记录链接框架，该框架结合便捷的算法与可处理的“人类智能任务”（HITs；即需要人类判断的微任务），以支持可复现数据科学。材料与方法：真实数据的准确链接既需要对定义明确任务的自动处理，也需要对混乱数据中需要人类判断的任务（即 HITs）进行人工处理。我们提出一种可复现、交互式、迭代的记录链接框架，称为 VIEW（可视化交互式实体解析工作台）。我们通过整合两个常用的医院数据库——美国医院协会（AHA）医院年度调查与来自 CMS 的医疗保险医院成本报告——来实现并评估 VIEW。结果：使用 VIEW 迭代地标准化和清理数据，我们通过 HITs 确认 78 个近似链接并使用 HITs 手动链接 28 家医院，从而以 100% 的精度链接了这两个数据库中所有共同的德克萨斯州医院。讨论：医院名称和地址的相似性以及医院属性随时间的动态变化，使得构建一个可长期维护的完全自动化医院链接系统成为不可能。VIEW 是一款支持可复现半自动化过程的软件，能够生成并跟踪 HITs，以便对诸如已合并医院等混乱数据元素进行人工审查和链接。结论：能够有效支持交互式迭代记录链接过程且具备良好设计的 HITs 的软件，可简化链接流程，从而支持使用混乱真实数据的高质量可复现研究。
引用
@article{arxiv.2102.08273,
title = {VIEW: a framework for organization level interactive record linkage to support reproducible data science},
author = {Mohammad Karim and Mahin Ramezani and Tenaya Sunbury and Robert Ohsfeldt and Hye-Chung Kum},
journal= {arXiv preprint arXiv:2102.08273},
year = {2021}
}