医疗数据集成到知识管理环境中的功能需求:基于系统文献分析的需求激发方法gydF4y2Ba

介绍gydF4y2Ba

背景gydF4y2Ba

在患者护理中，数据历来以异构数据模型和格式生成和存储。这通常会导致特定于领域的、不可互操作的或孤立的应用程序和数据库(数据孤岛)[gydF4y2Ba1gydF4y2Ba]。正如最近的大数据研究预测的那样，全球医疗保健数据量继续高速增长，变得非常庞大和复杂，孤立的数据孤岛变得非常庞大和复杂，并且既有非结构化数据，也有结构化数据。为了对抗孤立的数据存储(DS)，医学信息学正在不断发展，通过多种数据集成项目，从孤立的数据转向信息架构中更协调的安排[gydF4y2Ba2gydF4y2Ba]。gydF4y2Ba

Haux等[gydF4y2Ba3.gydF4y2Ba]将数据集成描述为“信息系统的一种状态，其中每个数据项只需要记录、更改、删除或以其他方式编辑一次，即使它在多个应用程序组件或上下文中使用。”Haux等[gydF4y2Ba3.gydF4y2Ba]进一步将数据集成定义为“数据多重可用性的先决条件”gydF4y2Ba。”多种用途的数据可访问性支持广泛的临床实践并加强医学研究，是了解卫生系统的重要一步。为了整合来自多个层面和不同来源的医疗数据，未来的研究将依赖于这种范式转变。经常提到的来源是电子医疗记录和电子健康记录(EHRs)、实验室信息系统、图片存档和通信系统，以及流动医疗设备[gydF4y2Ba4gydF4y2Ba-gydF4y2Ba7gydF4y2Ba]。gydF4y2Ba

这些孤立数据的异质性所带来的主要挑战之一是组织和技术方面的挑战[gydF4y2Ba8gydF4y2Ba-gydF4y2Ba10gydF4y2Ba]。这些挑战在不同的地方、国家和国际项目中得到解决，包括病人护理和以研究为导向的环境[gydF4y2Ba11gydF4y2Ba，gydF4y2Ba12gydF4y2Ba]。gydF4y2Ba

在国家一级进行全面数据整合的一个突出项目是德国医学信息学倡议。该计划的主要目标是开发一种基础设施，以整合来自德国大学医院的患者护理和医学研究的临床数据[gydF4y2Ba13gydF4y2Ba使用不同的技术和组织方法。参与的大学医院和各自的联盟采取的方法各不相同[gydF4y2Ba14gydF4y2Ba-gydF4y2Ba17gydF4y2Ba]。这些医院通过采用用例驱动的集成方法来支持研究，将医疗数据集成到数据集成中心。gydF4y2Ba

石勒苏益格-荷尔斯泰因大学医院是医学信息学倡议的一部分。我们的整合方法更加全面和可持续，因为它包括准备和直接为患者护理提供数据。在这样做的过程中，我们正在为范式转变做出贡献，并减少患者护理和研究之间的界限[gydF4y2Ba18gydF4y2Ba]。它是基于Haux等人的[gydF4y2Ba3.gydF4y2Ba假定IT系统或平台需要提供“正确的信息……和正确的知识……]一个t the right time in the right place for the right people in the right form so that these people can make the right decisions” (信息与知识物流gydF4y2Ba）.我们将这样的通用平台称为知识管理平台，它包含、管理和提供患者护理和研究数据。gydF4y2Ba

尽管一般集成项目的框架条件和目标是不同的，并且没有2个集成项目在开始时是相似的，但是它们或多或少都遵循指定需求的形式化过程。因此，这些项目涉及不同的干系人，作为每个软件开发项目的基础[gydF4y2Ba19gydF4y2Ba]。仔细的需求引出保证了软件系统的后续质量。各种与行业相关的研究表明，不清楚、模棱两可或不完整的需求是软件项目无法实现目标的主要原因[gydF4y2Ba20.gydF4y2Ba，gydF4y2Ba21gydF4y2Ba]。Giodarno [gydF4y2Ba22gydF4y2Ba指出数据集成不被视为传统应用程序开发中的“[…]]the数据集成development life cycle places the bulk of the effort in the design phases.” As conventional software development often starts from scratch, data integration projects must analyze the already existing system environment in more detail and incorporate it into the conceptual design. Consequently, this highlights the importance of comprehensive requirement elicitation in data integration projects.

由于需求的仔细提取保证了软件系统的后续质量，我们提出了一个问题，即在开发数据集成环境时，我们如何才能达到尽可能高的需求质量，以减少后续的片面、不精确或误导性需求的风险[gydF4y2Ba20.gydF4y2Ba，gydF4y2Ba21gydF4y2Ba]。这进一步导致了一个问题，即除了既定的基于涉众的方法(如访谈、问卷调查、头脑风暴会议、敏捷方法或原型设计)之外，哪些方法可以支持启发过程[gydF4y2Ba23gydF4y2Ba]。为了扩大这个范围，从其他项目的涉众需求中学习的方法似乎很有希望。gydF4y2Ba

因此，我们决定通过进行基于文献的需求激发来追求广泛的需求工程方法。非功能需求通常受制于国家法律框架或其他利益相关者的个别定性需求，以确保系统性能、可用性或可靠性，而功能需求则描述系统与其环境的相互作用[gydF4y2Ba24gydF4y2Ba]。在我们看来，功能需求更有可能被转移到其他项目，因为它们是由集成环境的技术框架决定的。因此，我们将选择的方法集中在功能需求方面。gydF4y2Ba

目标gydF4y2Ba

我们的主要目标是为将医疗数据集成到知识管理环境中提供功能需求的一般目录。在第一步中，我们的目标是确定哪些功能数据集成需求可以在文献中找到。在下一步中，我们想要确定这些需求之间的交叉点，以派生出一致且具有代表性的功能需求。gydF4y2Ba

为了以清晰和选择性的方式细分需求，我们应用了一个类别方案，并在我们的需求激发项目的背景下评估了它的好处。gydF4y2Ba

方法gydF4y2Ba

概述gydF4y2Ba

本研究的方法论是基于两步方法，在系统文献回顾的基础上进行需求引出。为了将需求组合成统一的需求语法，我们使用文档分析的需求工程方法筛选需求结果[gydF4y2Ba24gydF4y2Ba，gydF4y2Ba25gydF4y2Ba]。gydF4y2Ba

系统文献综述gydF4y2Ba

在第一步中，我们进行了基于网络的系统文献综述，以确定处理医疗数据集成需求的已发表文章。为了确保我们的结果的适当组织和透明度，我们通过应用PRISMA(系统评价和荟萃分析的首选报告项目)指南识别和分析了可用的文献。gydF4y2Ba

需求工程gydF4y2Ba

第二步，我们将基于定性文档的需求激发方法应用于科学文献[gydF4y2Ba24gydF4y2Ba，gydF4y2Ba25gydF4y2Ba]。为了确定功能需求，我们筛选了符合纳入标准的文章(gydF4y2Ba纳入和排除标准gydF4y2Ba部分)。在这个过程中，我们同时考虑了隐性需求和显性需求。确定的需求被转移到类别方案中，这在本节中有详细描述gydF4y2Ba分类方案gydF4y2Ba。gydF4y2Ba

搜索策略gydF4y2Ba

2020年12月，我们对2020年11月30日之前发表的英语文章进行了大规模、全面、系统的网络搜索。在PubMed, CINAHL, Cochrane Library, Scopus和Web of Science中，我们首先搜索了关键词“Requirements”和“Data Integration”。在Web of Science数据库中，我们进一步将搜索结果限制为仅包括“医学信息学”和“医疗保健科学服务”，在Scopus数据库中，将搜索结果限制为“医学”和“计算机科学”的广泛领域。按数据库排序的确切查询列在gydF4y2Ba表1gydF4y2Ba。gydF4y2Ba

纳入和排除标准gydF4y2Ba

我们纳入了符合以下标准的文章:(1)医疗数据集成背景下的全文出版物(2)提到功能数据集成需求。为了这种需求引出方法的目的，我们按照ISO 29148定义了功能需求。根据ISO 29148，功能需求描述了系统或系统要素的功能或系统要执行的任务。因此，我们认为所有其他需求都是非功能性的[gydF4y2Ba26gydF4y2Ba]。为了建立对数据集成的统一理解，我们使用了Haux等人的定义[gydF4y2Ba3.gydF4y2Ba]。按照我们的策略，我们没有排除任何特定类型的出版物本身，而是将重点放在解决与医疗数据的理论或实际医疗数据集成方法的出版物上。因此，我们排除了不涉及医疗数据集成和关注非功能需求的出版物。gydF4y2Ba

选择和数据提取gydF4y2Ba

我们使用Citavi 5(版本5.7.1.0,Swiss Academic Software GmbH)检索数据库中执行的每个搜索结果。首先，我们删除了所有的重复项。其次，通讯作者(BK)根据我们的选择标准筛选所有标题和摘要，确定相关文章;明显不符合资格标准的记录被排除在外。随后，相应的作者——一位在需求工程领域经验丰富的审稿人——评估了所有合格的和免费的全文出版物。在进行完整的基于文本的需求提取时，我们在基于上下文的第一级结果中确定了潜在的相关参考，以便进一步向后跟踪参考。gydF4y2Ba

分类方案gydF4y2Ba

为了构建功能需求的技术维度，我们采用了gydF4y2Ba数据湖生命周期gydF4y2Ba约翰和米斯拉[gydF4y2Ba27gydF4y2Ba作为我们分类方案的基础。它描述了数据在知识管理系统(即数据湖和数据仓库)中的各个阶段，即gydF4y2Ba数据采集gydF4y2Ba(DA)gydF4y2Ba、数据处理gydF4y2Ba(DP)gydF4y2Ba、数据分析gydF4y2Ba(DAS)gydF4y2Ba，gydF4y2BaDSgydF4y2Ba、元数据管理gydF4y2Ba(MDM)gydF4y2Ba、数据可追溯性gydF4y2Ba(DT)gydF4y2Ba，数据沿袭gydF4y2Ba(DL)gydF4y2Ba，gydF4y2Ba和gydF4y2Ba数据安全gydF4y2Ba(DSC) [gydF4y2Ba27gydF4y2Ba]。为了清晰地描述类别并建立统一的理解，我们使用了基于文献的定义gydF4y2Ba文本框1gydF4y2Ba。gydF4y2Ba

要求引出gydF4y2Ba

我们扫描了结果文献中的隐性和显性功能需求。接下来，我们提取包含直接或间接要求或两者都包含的文本段落，并将其转移到类别方案(gydF4y2Ba文本框1gydF4y2Ba)作进一步评估。随后的内容评估包括四个步骤:(1)需求引出专家从文章中推断描述功能需求的文本段落;(2)专家对这些段落进行评估，分配一个类别(如果有帮助，还可以分配一个子类别，以便更好地概述)，并根据指定的语法推导出要求;(3)然后，他与医疗数据集成领域的一位资深人士讨论并评估了衍生的需求;(4)一旦达成共识，他们将不同出版物的匹配需求汇集在一个思维导图中，尽可能形成统一的需求。gydF4y2Ba

在需求工程中，需求通常被分配不同的承诺级别。在兴奋因素、满足因素和不满足因素之间做出了区分，在编写需求时，这些因素在语法上是有区别的，例如，“系统应该”、“系统必须”和“系统必须不是”。在我们的需求引出的上下文中，我们选择了满足者(“必须”)[gydF4y2Ba24gydF4y2Ba]。我们按照ISO 29148应用需求语法:[主题][动作][动作约束][gydF4y2Ba26gydF4y2Ba]，例如，“系统必须集成数据。”如果需求包含>1操作条件，则“[…]]一个ll of the following: * Option A * Option B * Option C.” is applied as a logical “AND” or “[...] one of the following: * Option A * Option B * Option C.” is applied as a logical “OR” and “at least one of the following: * Option A * Option B * Option C.” as a logical “XOR.” Requirements that contain examples from the reference literature, such as a source system to be integrated or a standard to be adopted, are annotated with a list of examples in the notes.

结果gydF4y2Ba

概述gydF4y2Ba

通过系统的文献检索，我们确定了821篇文章。在去除重复后，我们共纳入86.5%(710/821)的文章进行详细的标题和摘要筛选。这导致80%(568/710)被认为与我们的研究范围无关的文章被排除在外。在剩余的20%(142/568)的文章中，我们进行了全文评估，结果纳入了29.6%(42/142)的文章。然后，我们进行了向后参考跟踪，并纳入了19篇额外的文章。最后，61篇文章构成了系统综述的基础。选择过程的说明可以在PRISMA流程图中找到gydF4y2Ba图1gydF4y2Ba。gydF4y2Ba

我们在文献中确定了总共314个需求。然后这些被合并为220项需求。gydF4y2Ba

最后，我们将25.5%(56/220)的需求(35/ 61,57 %的出版物)分配给数据处理类，35.9%(79/220)的需求(49/ 61,80 %的出版物)分配给数据处理类，12.7%(28/220)的需求(19/ 61,31 %的出版物)分配给数据处理类，9.1%(20/220)的需求(14/ 61,23 %的出版物)分配给数据处理类，6.4%(14/220)的需求(15/ 61,25 %的出版物)分配给MDM, 2.3%(5/ 61,8 %的出版物)分配给数据处理类，3.2%(7/220)的需求(5/ 61,8 %的出版物)分配给数据处理类，和5.5%(12/220)的需求(11/61,18%的出版物)到DSC类。gydF4y2Ba

给定了评估的需求总数，本文只给出了每个类别所选择的需求的列表(根据在个别出版物中的出现情况)。所有要求和相关出版物的完整概述可以在gydF4y2Ba多媒体附录1gydF4y2Ba。gydF4y2Ba

‎gydF4y2Ba

数据采集gydF4y2Ba

我们从57%(35/61)的出版物中分配了25.5%(55/220)的需求到DA类别。由于需求的总数，我们将自己限制在用3到6篇文章来表示需求。完整的需求列表可以在gydF4y2Ba多媒体附录1gydF4y2Ba要求。被引用最多的要求是gydF4y2BaDA-01gydF4y2Ba有5篇文章[gydF4y2Ba11gydF4y2Ba，gydF4y2Ba33gydF4y2Ba-gydF4y2Ba36gydF4y2Ba]及其他6项附属规定;gydF4y2BaDA-01-1gydF4y2Ba来gydF4y2BaDA-01-6gydF4y2Ba（gydF4y2Ba多媒体附录1gydF4y2Ba需求)。引用最多的DA需求列在gydF4y2Ba表2gydF4y2Ba。第一个，gydF4y2BaDA-01gydF4y2Ba，指出数据是从不同的异构源系统集成的。从这个意义上说，这5项研究[gydF4y2Ba11gydF4y2Ba，gydF4y2Ba33gydF4y2Ba-gydF4y2Ba37gydF4y2Ba]提到不同的来源系统，包括一般的卫生保健信息系统、实验室信息管理系统和临床试验管理系统。这些集成项目跨越各种医学领域，包括一般的临床试验、系统生物学和组学。gydF4y2BaDA-02gydF4y2Ba描述(4)项研究[gydF4y2Ba38gydF4y2Ba-gydF4y2Ba41gydF4y2Ba])有必要根据卫生IT的通用互操作性标准(如电气和电子工程师协会或低功耗蓝牙)以及卫生保健领域的标准(如Continua健康联盟、卫生7级快速卫生保健互操作性资源或医学数字成像和通信(DICOM))获取结构化数据。gydF4y2BaDA-01-1gydF4y2Ba(3条[gydF4y2Ba42gydF4y2Ba-gydF4y2Ba44gydF4y2Ba)扩展gydF4y2BaDA-01gydF4y2Ba包括来自电子病历或电子病历的不同数据，这些数据包含有关患者人口统计数据的标准数据集，以及有关生命体征、实验室测试、药物数据、诊断和程序的更具体数据集。gydF4y2BaDA-03gydF4y2Ba源自3份出版物[gydF4y2Ba36gydF4y2Ba，gydF4y2Ba45gydF4y2Ba，gydF4y2Ba46gydF4y2Ba]，每一个都描述了各种多媒体数据的集成。这些包括来自医学成像(放射学)和生物医学仪器等领域的波形、声音和图像[gydF4y2Ba36gydF4y2Ba，gydF4y2Ba45gydF4y2Ba，gydF4y2Ba46gydF4y2Ba]。这个列表中的最后一个要求是gydF4y2BaDA-05gydF4y2Ba(3条[gydF4y2Ba44gydF4y2Ba，gydF4y2Ba47gydF4y2Ba，gydF4y2Ba48gydF4y2Ba])。gydF4y2BaDA-05gydF4y2Ba指出需要一个抽象层来从异构源(如患者管理系统)获取数据和元数据。gydF4y2Ba

数据处理gydF4y2Ba

我们在80%(49/61)的出版物中确定了DP类别的35.9%(79/220)的需求。因此，DP成为最大的类别(gydF4y2Ba表3gydF4y2Ba）.由于所需经费较多，我们只提出了4至18条经费。剩余的92%(73/80)的需求可以在gydF4y2Ba多媒体附录1gydF4y2Ba要求。第一个要求，gydF4y2BaDP-01gydF4y2Ba，曾在18份刊物[gydF4y2Ba10gydF4y2Ba，gydF4y2Ba12gydF4y2Ba，gydF4y2Ba34gydF4y2Ba，gydF4y2Ba39gydF4y2Ba，gydF4y2Ba40gydF4y2Ba，gydF4y2Ba46gydF4y2Ba，gydF4y2Ba48gydF4y2Ba-gydF4y2Ba59gydF4y2Ba]，因此，这是本研究中被引用最多的要求。它描述了将数据映射到国际术语标准的需求，如somed - ct、LOINC、ICD、ATC、ICD- o、CPT和RxNorm作为处理的一部分。从属于这个加工要求的是gydF4y2BaDP-01-1gydF4y2Ba(5条)[gydF4y2Ba12gydF4y2Ba，gydF4y2Ba42gydF4y2Ba，gydF4y2Ba46gydF4y2Ba，gydF4y2Ba55gydF4y2Ba，gydF4y2Ba60gydF4y2Ba])，这不仅需要在国际标准之间，而且需要在当地术语与国家或国际标准化对应术语之间进行映射。在这之后,gydF4y2BaDP-01-2gydF4y2Ba(4条)[gydF4y2Ba35gydF4y2Ba，gydF4y2Ba56gydF4y2Ba，gydF4y2Ba61gydF4y2Ba，gydF4y2Ba62gydF4y2Ba])指定在处理数据时需要将数据映射到标准化的语义、词汇表和本体。gydF4y2BaDP-03gydF4y2Ba(4条)[gydF4y2Ba47gydF4y2Ba，gydF4y2Ba63gydF4y2Ba-gydF4y2Ba65gydF4y2Ba])请求在集成过程中，将(半)结构化数据处理成通用的交换格式，如XML、CSV或JSON。gydF4y2BaDP-02gydF4y2Ba(6条[gydF4y2Ba12gydF4y2Ba，gydF4y2Ba42gydF4y2Ba，gydF4y2Ba57gydF4y2Ba，gydF4y2Ba58gydF4y2Ba，gydF4y2Ba66gydF4y2Ba，gydF4y2Ba67gydF4y2Ba])描述了应用自然语言处理(NLP)方法整合自由文本数据的必要性。最后,gydF4y2BaDP-04gydF4y2Ba(4条)[gydF4y2Ba68gydF4y2Ba-gydF4y2Ba71gydF4y2Ba])需要标准化的规则或流程来处理来自不同来源的数据。gydF4y2Ba

数据存储gydF4y2Ba

作为搜索DS需求的结果，我们从31%(19/61)的出版物中得出了总共12.7%(28/220)的需求。由于要求的数量较多，我们将这些要求限制在2条内;剩余的79%(22/28)的需求可以在gydF4y2Ba多媒体附录1gydF4y2Ba。gydF4y2BaDS-01gydF4y2Ba源自4 articles [gydF4y2Ba12gydF4y2Ba，gydF4y2Ba59gydF4y2Ba，gydF4y2Ba63gydF4y2Ba，gydF4y2Ba72gydF4y2Ba因此也是被引用最多的。此外，还规定了一个孩子的要求。gydF4y2BaDS-01gydF4y2Ba声明数据必须根据多维数据模型(如Entity-Attribute-Value)存储。下一个要求，gydF4y2BaDS-02-1,gydF4y2Ba是在亲子关系gydF4y2BaDS-02gydF4y2Ba。gydF4y2BaDS-02-1gydF4y2Ba(2条[gydF4y2Ba58gydF4y2Ba，gydF4y2Ba73gydF4y2Ba])专门化来自父需求的请求，并描述了从临床EHR数据分散存储生物医学数据的需求，例如，在每个站点本地存储。此外，需求gydF4y2BaDS-03gydF4y2Ba(2条[gydF4y2Ba66gydF4y2Ba，gydF4y2Ba74gydF4y2Ba])指出，除了处理过的数据外，还必须保存原始数据。gydF4y2BaDS-04gydF4y2Ba(2条[gydF4y2Ba74gydF4y2Ba，gydF4y2Ba75gydF4y2Ba])表示需要在存储数据后通过查询来检索数据。可能提到的查询技术包括SQL查询和xquery。上述所有要求都列在gydF4y2Ba表4gydF4y2Ba。gydF4y2Ba

数据分析gydF4y2Ba

接下来是DAS类别，总共有9.1%(20/220)的需求来自23%(14/61)的出版物。在此类别中，我们选择了5个要求，包含1至2个条目(gydF4y2Ba表5gydF4y2Ba）.其余75%(15/61)的需求可以在gydF4y2Ba多媒体附录1gydF4y2Ba。gydF4y2BaDAS-01gydF4y2Ba请求DAS进行数据清理，该功能由1个出版物[gydF4y2Ba73gydF4y2Ba]。本文引用了一个半自动数据清理的示例。另外还有两个孩子，gydF4y2BaDAS-01-1gydF4y2Ba和gydF4y2BaDAS-01-2gydF4y2Ba，有1篇文章gydF4y2BaDAS-01-1gydF4y2Ba［gydF4y2Ba57gydF4y2Ba]和2gydF4y2BaDAS-01-2gydF4y2Ba［gydF4y2Ba51gydF4y2Ba，gydF4y2Ba57gydF4y2Ba]。Rance等[gydF4y2Ba57gydF4y2Ba]指出必须分析数据以进行一致性检查(gydF4y2BaDAS-01-1gydF4y2Ba）.他们进一步表示有需要寻找或报告遗失的价值(gydF4y2BaDAS-01-2gydF4y2Ba) [gydF4y2Ba57gydF4y2Ba]，这也是阿亚图拉希等人的要求[gydF4y2Ba51gydF4y2Ba]。在这之后,gydF4y2BaDAS-02gydF4y2Ba(1)着重于使用NLP方法对非结构化数据进行下游分析[gydF4y2Ba76gydF4y2Ba]。gydF4y2BaDAS-03gydF4y2Ba(1条[gydF4y2Ba72gydF4y2Ba])扩大了这一需求，包括各种DAS技术，如查询、数据挖掘、机器学习和语义挖掘[gydF4y2Ba72gydF4y2Ba]。gydF4y2Ba

数据沿袭gydF4y2Ba

关于DL，我们确定了2.3%(5/220)的要求，这些要求分别由2%(1/61)的出版物涵盖，所有这些都在gydF4y2Ba表6gydF4y2Ba。要求gydF4y2BaDL-01gydF4y2Ba处理源数据、数据源、临床环境或分析需求本身的变化，同时要求具有迭代数据集成过程的能力[gydF4y2Ba72gydF4y2Ba]。gydF4y2BaDL-02gydF4y2Ba述明有必要对个人资料进行反向参考及去假名化[gydF4y2Ba39gydF4y2Ba]。gydF4y2BaDL-03gydF4y2Ba如果源数据在审计过程中发生变化，请求提供审计试验的功能[gydF4y2Ba74gydF4y2Ba]。此外，Ganzinger等[gydF4y2Ba71gydF4y2Ba提高了要求gydF4y2BaDL-04gydF4y2Ba为识别提供数据的服务的位置提供信息。最后,gydF4y2BaDL-05gydF4y2Ba处理在集成数据时应创建的传输属性文件和日志[gydF4y2Ba69gydF4y2Ba]。gydF4y2Ba

数据的可追溯性gydF4y2Ba

DT类别包括3.2%(7/220)的要求，每个要求取自8%(5/61)不同出版物中的一个。所有的要求都显示在gydF4y2Ba表7gydF4y2Ba和gydF4y2Ba多媒体附录1gydF4y2Ba。gydF4y2BaDT-01gydF4y2Ba指出应保证数据对原始数据的可追溯性[gydF4y2Ba77gydF4y2Ba]。gydF4y2BaDT-01-1gydF4y2Ba通过声明必须提供指向原始数据的直接链接来指定父需求[gydF4y2Ba74gydF4y2Ba]。gydF4y2BaDT-02gydF4y2Ba订明应查阅数据索引，使数据可追溯至源系统[gydF4y2Ba39gydF4y2Ba]。中要求进一步的数据跟踪gydF4y2BaDT-03gydF4y2Ba，其中提到需要使用管道管理进行可追溯性[gydF4y2Ba71gydF4y2Ba]。gydF4y2BaDT-04gydF4y2Ba支持对数据执行查询的再现性[gydF4y2Ba12gydF4y2Ba]。gydF4y2BaDT-05gydF4y2Ba需要将数据跟踪到数据源和相关源数据文档的位置。最后,gydF4y2BaDT-06gydF4y2Ba表示有必要追踪原始数据与副本之间的对应关系，包括元数据[gydF4y2Ba74gydF4y2Ba]。gydF4y2Ba

元数据管理gydF4y2Ba

MDM类别包括从25%(15/61)的出版物中得出的6.4%(14/220)的需求。有2篇文章的36%(5/14)的选定需求列在gydF4y2Ba表8gydF4y2Ba。虽然gydF4y2BaMDM-01gydF4y2Ba(2条[gydF4y2Ba12gydF4y2Ba，gydF4y2Ba72gydF4y2Ba])陈述了对未定义MDM工具的广泛需求，即子需求gydF4y2BaMDM-01-1gydF4y2Ba(2条[gydF4y2Ba40gydF4y2Ba，gydF4y2Ba78gydF4y2Ba])表达了对语义元数据存储库的更具体的需求。此外，还要求支持结构化元数据映射和结构化元数据转换gydF4y2BaMDM-02gydF4y2Ba［gydF4y2Ba40gydF4y2Ba，gydF4y2Ba79gydF4y2Ba]。在gydF4y2BaMDM-03gydF4y2Ba(2条[gydF4y2Ba47gydF4y2Ba，gydF4y2Ba80gydF4y2Ba])，通常需要来自多个来源的元数据，并参考相应的元数据模型卫生保健领域参考数据模型和数据标记套件作为可能的示例。gydF4y2BaMDM-05gydF4y2Ba(2条[gydF4y2Ba39gydF4y2Ba，gydF4y2Ba46gydF4y2Ba])声明必须提供注册服务来帮助识别和访问组织、设备和软件。剩下的64%(9/14)的需求可以在gydF4y2Ba多媒体附录1gydF4y2Ba。gydF4y2Ba

数据安全gydF4y2Ba

对于最后一个类别，DSC，我们从18%(11/61)的出版物中确定了总共5.5%(12/220)的需求。gydF4y2Ba表9gydF4y2Ba提供33%(4/12)的需求，3到6个条目。第一,gydF4y2BaDSC-01gydF4y2Ba(6条[gydF4y2Ba39gydF4y2Ba，gydF4y2Ba40gydF4y2Ba，gydF4y2Ba46gydF4y2Ba，gydF4y2Ba57gydF4y2Ba，gydF4y2Ba72gydF4y2Ba，gydF4y2Ba74gydF4y2Ba])，要求存储数据的系统环境提供用户认证和授权，以确保整体DSC。gydF4y2BaDSC-02gydF4y2Ba(4条)[gydF4y2Ba39gydF4y2Ba，gydF4y2Ba46gydF4y2Ba，gydF4y2Ba57gydF4y2Ba，gydF4y2Ba69gydF4y2Ba])请求加密和解密(跨机构)机构数据传输。gydF4y2BaDSC-03gydF4y2Ba(3条[gydF4y2Ba35gydF4y2Ba，gydF4y2Ba45gydF4y2Ba，gydF4y2Ba73gydF4y2Ba])通过要求符合法律或道德法规的数据隐私和安全，为DSC要求增加了法律部分，例如，可能来自欧洲数据隐私法规。最后要提到的DSC要求是gydF4y2BaDSC-04gydF4y2Ba(3条[gydF4y2Ba54gydF4y2Ba，gydF4y2Ba57gydF4y2Ba，gydF4y2Ba69gydF4y2Ba])，这需要将医疗数据与使用假名ID (PID)的识别数据断开连接。剩余的73%(8/14)的需求可以在gydF4y2Ba多媒体附录1gydF4y2Ba。gydF4y2Ba

讨论gydF4y2Ba

主要研究结果gydF4y2Ba

本研究的目的是系统地研究功能性数据集成需求，这些需求是从学术文献中提取并发表的。我们分析的文献来自5个高度相关的数据库，涵盖了长达30年的数据集成和相关需求研究。为了使结果的范围保持在一个合理的范围内，除了“数据集成”之外，我们还搜索了“需求”。这遗漏了在标题和摘要中没有提及要求的出版物。我们通过执行引用跟踪来弥补这个限制。gydF4y2Ba

在系统文献综述的第一阶段，我们确定了来自医学领域的821篇出版物。在第二阶段，我们将与我们的需求激发方法相关的出版物限制在7.4%(61/821)。从这61份出版物中，我们收集了来自医疗保健领域不同数据集成项目的可靠的需求横截面。本研究确定了220项要求，是关于医学背景下数据集成要求主题的最全面和全面的出版物。gydF4y2Ba

另一个显著的特点是我们采用数据生命周期模式作为本研究的基本框架。有了8个类别，我们就有了一个不同的类别方案，它支持在粒度级别上对需求进行排序和划分。我们可以将所有需求分配到一个类别中，尽管需求的数量是不均匀分布的。gydF4y2Ba

也就是说，数据数据类别的特点是具有从各种源系统(如ehr、卫生保健信息系统和实验室信息管理系统)获取数据的目标的各种需求。获取方法、文件格式和相应的标准起主导作用。数据处理类的需求主要涉及将获得的数据转换为可用格式，以及对国际术语和代码系统进行注释和映射。在这种情况下，互操作性方面(如格式集成、语义和句法集成)似乎是大多数需求中的关键因素[gydF4y2Ba55gydF4y2Ba]。总体而言，结果表明，这两个类别的需求被过度代表和特别讨论。这可以归因于这样一个事实，即这些类别解决了数据集成的持续挑战，因此，大多数医学数据集成方法主要关注这些类别[gydF4y2Ba8gydF4y2Ba-gydF4y2Ba10gydF4y2Ba]。gydF4y2Ba

这也反映在DS类别中。在许多情况下，存储需求从互操作性的角度处理数据的性质、数据的可用性和数据模型。这些方面不仅取决于要集成的源系统，还取决于数据处理步骤。因此，后者也可以在数据采集和处理类别中找到。相比之下，MDM、DL和DT类别中的需求似乎没有得到充分体现。DT类需求占3.2% (7/220)，DL类需求占2.3% (5/220)，MDM类需求占6.4%(14/220)，这些类别都比DA或DP小。这使我们产生了这样的假设:要么我们的类别方案可能对给定的隐性和显性需求区分得过于强烈，要么这些类别的过程是数据获取和处理的下游，因此在技术概念或项目阶段的背景下没有直接的相关性。其他可能的解释可能是由于普遍缺乏对DL、DT或元数据相关需求的研究兴趣。gydF4y2Ba

同样的假设也适用于DSC类别。这个类别也可以被认为是一个较小的类别，有5.5%(12/220)的要求，但这些要求占18%(11/61)的出版物。因此，这一类别的特点是文献密度较高。此类别中的需求解决安全问题，例如用户访问、数据访问记录或患者数据的假名化。要求的数量使我们可以得出结论，要么作者不知道需要DSC，要么没有研究兴趣在医疗数据集成的背景下发布这些要求。最终，这里的挑战可能集中在DSC的部分方面，如用户身份验证和假名化，或者集中在可能已经解决的其他方面。还可以假设DSC需求不包括在这里描述的用例上下文中的出版物中，因为它们被认为是不证自明的或普遍适用的。gydF4y2Ba

类似地，当涉及到数据集成时，数据分析的需求是下游流程。在这一类别中，源密度也很低(14/61,23%的出版物，20/220,9.1%的要求)。这些需求处理单独的分析用例，例如基于集成数据的临床决策支持，使用NLP方法进行语义注释，或者在出版物之间具有小交集的数据集市的提取。虽然对要整合的数据进行分析的要求似乎是不言而喻的，但与数据的获取和处理相比，这些要求似乎只是次要的。在我们看来，在设计或实现数据集成时，特定的分析项目可能没有得到充分的定义，或者根据所筛选文献的作者，下游过程发挥了次要作用。同时，可以假设DAS是独立于数据集成进行的，因此不会在概念或技术上下文中进行讨论。gydF4y2Ba

MDM需求与所使用的定义一致，25%(15/61)已确定的出版物涵盖了6.4%(14/220)的需求。这些可以清楚地分为两个需求焦点:减少工作量和改进可访问性。然而，与DAS的模式相似的是，在文献中发现的有关MDM的文章相对较少。由于元数据是支持集成的辅助信息，因此它们可能不是强制要求。这也可以解释为什么相应的文章很少。gydF4y2Ba

结果分布清楚地表明，医学出版物整合项目的重点是获取和处理数据。存储、分析、沿袭、可跟踪性、安全性和MDM等方面是次要的，因此，它们可能在临床而不是技术或概念出版物的上下文中得到解决。gydF4y2Ba

类别之间分布不平衡的另一个可能原因可能是文章作者咨询的利益相关者的选择。在所审查的许多出版物中，没有明确描述哪些利益相关者对数据集成项目的隐式和显式需求做出了贡献，以及他们拥有哪些专业知识。然而，只有全面了解不同利益相关者(例如跨学科用户、数据提供者或管理员)的需求，才能通过描述系统应该做什么以及预期如何执行来确保透明的开发过程[gydF4y2Ba20.gydF4y2Ba，gydF4y2Ba24gydF4y2Ba]。gydF4y2Ba

在本研究中，我们收集了各种数据集成项目的功能需求，并制定了医疗数据集成的广泛需求目录。gydF4y2Ba

有了这个需求目录，我们提供了一个工具来指导研究人员和开发人员完成数据集成流程和平台实现的概念阶段。不同涉众的需求引出阶段通常以不了解自己的需求和缺乏共同的“词汇表”为特征。在这里，其他项目的需求可以帮助支持共同的理解，并作为进一步讨论的基础。gydF4y2Ba

此外，通过识别合适的需求，将它们转移到需求术语表中，并使它们适应自己的用例，目录的需求适合于为自己的需求过程开发基线。在此背景下，值得一提的是，与传统的软件开发相比，数据集成项目具有全面设计阶段的特点[gydF4y2Ba22gydF4y2Ba]。gydF4y2Ba

为了支持开发阶段，特定的sprint以及工作包和里程碑可以在我们的需求目录的基础上派生出来。除了概念阶段之外，该目录还适用于根据其他项目的需求评估已经实现的数据集成过程，以支持和改进自己的系统。gydF4y2Ba

最后，我们的目录不仅允许研究人员从其他项目中收集的需求中受益，而且还有助于协调医学中的数据集成和随后的范式转换。gydF4y2Ba

限制gydF4y2Ba

虽然审查结果清楚地表明，搜索词“需求”和“数据集成”适合于识别包含相应功能需求的出版物，但有一些考虑限制了我们的方法的范围。首先，需要记住的是，派生功能需求可能会受到选择偏差的影响，因为该过程基于定性方法，因此受到个人因素的影响，例如专业知识和研究人员的观点、经验和研究重点。gydF4y2Ba

其次，存在过度简化特定子方面的风险，特别是当涉及到将来自不同出版物的多个需求引出并合并为单个有意义的需求时。Haak等[gydF4y2Ba41gydF4y2Ba，例如，声明“(a)应支持所有类型的DICOM数据格式(包括DICOM可转换数据)，以避免在集成之前手动转换步骤。”这一说明已纳入要求gydF4y2BaDA-02gydF4y2Ba通过在说明中提到DICOM作为另一个互操作性标准的包含。我们通过与2个独立的评审人员协调需求的派生来抵消过度简化的风险。因此，我们不要求普遍有效性或接受所提出的结果。gydF4y2Ba

由于定性方法的性质，使用其他方法的研究人员可能会得到不同的结果，特别是因为除了明确的需求之外还考虑了隐含的需求，从而留下了解释的空间。虽然gydF4y2Ba结果gydF4y2Ba章节主要包含在所分析的出版物中有大量重叠的需求，一些需求也是基于个别提到的，因此可能只适用于各自作者的特定用例。gydF4y2Ba

第三个限制是在自适应类别方案中发现的。在大多数情况下，审查的出版物集中在用例特定的方面，并没有提供其需求的差异化分类[gydF4y2Ba51gydF4y2Ba，gydF4y2Ba52gydF4y2Ba，gydF4y2Ba57gydF4y2Ba，gydF4y2Ba66gydF4y2Ba]。因此，在某些情况下，类别之间的细粒度区分是不可能的。例如,gydF4y2BaDP-02gydF4y2Ba(“系统必须使用自然语言处理(NLP)方法处理非结构化数据。”)和gydF4y2BaDAS-02gydF4y2Ba(“系统必须使用自然语言处理(NLP)方法分析非结构化数据。”)两者都解决了使用自然语言处理方法处理非结构化数据的需求。DP需求的重点gydF4y2BaDP-02gydF4y2Ba是关于在综合程序中使用自然语言处理。相比之下，DAS需求gydF4y2BaDAS-02gydF4y2Ba要求在下游数据分析中使用NLP。因此，有些类别包含无法合并的可比需求。gydF4y2Ba

在MDM和DT类别中也观察到类似的差异。例如，DT需求gydF4y2BaDT-05gydF4y2Ba指的是需要能够跟踪数据回到其来源。源信息通常存储在元数据中;因此，这个需求在两个类别之间产生了重叠。在某些情况下，这导致对某些需求的分类缺乏选择性，留下了由审稿人进行解释的空间。在模棱两可的情况下，审稿人使用在开始时建立的定义，以尽量减少受个人观点影响的偏见。gydF4y2Ba

然而，类别方案被认为是最先进的，它支持我们构建和描述需求。gydF4y2Ba

最后，我们想指出的是，编译的需求目录并不意味着是分离的;因此，需求不一定是直接相关的。这意味着各个需求可能相互矛盾。例如,gydF4y2BaDA-05-1gydF4y2Ba(“系统必须通过基于源数据信息模型的语义集成层获取数据”)明确要求尊重数据应该集成的数据库的数据模型。相比之下,gydF4y2BaDA-15gydF4y2Ba(“系统必须独立于源数据库的结构获取数据gydF4y2Ba。gydF4y2Ba)要求数据独立于数据库结构进行集成。这是一个直接的矛盾，因为这两个需求来自不同用例的不同发布。gydF4y2Ba

此外，一些出版物的出版年代也值得一提。例如，最早的出版物可以追溯到2000年。因此，需求的各个方面可能已经过时。然而，我们假设旧的要求可能仍然有效，因为以下原因:(1)在医疗保健领域，人们普遍抵制替换已证实的系统;(2)卫生保健领域的系统格局在历史上不断发展，因此即使是互操作性有限的过时遗留系统也会继续产生需要集成的数据;(3)由于与联合IT解决方案有关的严格法规或法律问题，医疗保健新技术的转化传统上被推迟[gydF4y2Ba81gydF4y2Ba];(4)功能需求是与技术无关的。gydF4y2Ba

因此，鼓励目录的用户识别并直接采用与他们手头的用例相关的相互纠缠的需求。可能还需要调整这些要求。这尤其适用于讲义中包含示例的要求。gydF4y2Ba

与前期工作比较gydF4y2Ba

我们在这里考察的61个出版物直接或间接地解决了数据集成需求，它们首先是由用例方法确定和激发的。与我们的方法不同，其他作者倾向于明确地提到需求，以处理特定用例或医疗领域的项目级别。虽然阿亚图拉希等人[gydF4y2Ba51gydF4y2Ba]引发了将遗传数据整合到电子病历中的需求，Ganzinger等[gydF4y2Ba71gydF4y2Ba]描述了生物医学网络中数据集成用例的需求，Daniel等[gydF4y2Ba52gydF4y2Ba]报告了跨界语义数据集成的语义互操作性平台的核心需求集，而Rance B等人[gydF4y2Ba57gydF4y2Ba讨论了在癌症研究背景下整合项目的要求。我们的方法被明确地设计为超越单一范围，而是覆盖任何知识管理环境中通用数据集成级别的功能需求的横截面。此外，所审查的出版物都没有按照ISO 29148制定要求。因此，除了提供广泛的概述之外，我们的工作还有助于在单个需求级别上提供更多的结构和可追溯性。gydF4y2Ba

结论gydF4y2Ba

这项工作的目的是提供现有文献中定义的功能数据集成相关需求的横截面。经过多步骤的程序，我们从总共61份出版物中确定了220个不同的要求，并得出了医疗数据集成领域的以下结论。gydF4y2Ba

原则上，科学出版物是确定医疗数据集成功能需求的可靠来源。虽然通过系统文献检索来评估研究状态的方法学方法并不新鲜，但将需求工程方法与系统文献综述相结合代表了医疗数据集成领域的一种创新方法。通过关注广泛的搜索词，可以包括大量的出版物。gydF4y2Ba

最后，一个功能需求的目录是可用的，科学家可以从中为他们的项目提取相关的需求。在此研究的基础上，将在未来评估导出具有代表性的核心需求集或用于数据集成的参考模型。出版物之间有大量交集的需求似乎特别适合于此目的。gydF4y2Ba