OHDSI 观察性健康数据社区（X @OHDSI）

OHDSI 社区研究展示，汇总 2019–2024 年间帕博利珠单抗单药用于转移性非小细胞肺癌一线治疗的真实世界数据。研究由 Jonas Minne 领衔，Maryna Borshchivska 参与，呈现该 PD-1 抑制剂在实际临床使用中的疗效与安全性表现。

OHDSI 社区发布 OMOPCAN 项目研究协议，旨在利用多国异构真实世界数据（基于 OMOP 通用数据模型）系统评估癌症流行病学特征与患者临床特点。该项目由 Irene López-Sánchez 牵头，面向全球研究网络开放协作，适用于真实世界证据（RWE）生成与肿瘤药物/器械上市后研究。

OHDSI社区于2026年9月4日发布研究展示，介绍Thomas Leth Jensen团队利用序列对称分析（SSA）设计在OMOP通用数据模型上识别药物不良反应信号的方法。该研究由多位欧洲流行病学与药物流行病学学者合作完成，重点探讨如何在大规模真实世界电子健康数据中高效检测药物安全性信号。

OHDSI 社区展示一项利用序列对称分析（SSA）设计在 OMOP 通用数据模型上识别药物不良反应的研究。研究团队包括 Thomas Leth Jensen、Jesper Hallas、Kirsten Verhamme 等，通过观察性真实世界数据进行药物安全性信号检测，拓展了 RWE 在药物警戒领域的方法学应用。

OHDSI社区展示了一项从自由文本中提取并标准化ECOG体能评分的技术方案，通过基于规则的文本挖掘管道处理1400万条临床注释，将非结构化记录转化为符合OMOP共同数据模型的标准化数据。该成果由Angela Leis团队完成，旨在提升真实世界数据质量与跨研究可比性。

OHDSI社区展示一项将自由文本转换为OMOP兼容ECOG评分的方法学研究。团队开发基于规则的文本挖掘流水线，从1400万份临床注释中自动提取并标准化性能状态评分，实现非结构化文本向结构化数据的转化。该成果已在OHDSI Social Showcase中发布，作者Angela Leis领衔完成。

OHDSI观察性健康数据社区发布一项网络研究，由Maria Khitrun牵头、John Murphy共同完成，评估帕金森病患者使用抗抑郁药后的心血管不良事件风险。研究基于OHDSI多站点真实世界数据开展，结果将有助于临床医生在帕金森病共病抑郁时权衡用药方案的安全性与获益。

OHDSI社区于2026年9月发布一项网络研究，由Maria Khitrun领衔、John Murphy参与，探索帕金森病患者使用抗抑郁药与心血管结局之间的关联。该研究基于OHDSI全球观察性健康数据协作网络，属于真实世界证据研究，目前处于学术展示阶段，尚无正式发表结果。

OHDSI 社区于 2026 年 9 月 1 日发布一项真实世界数据研究（Social Showcase），由 Manos Hatzakis 领衔，展示了银屑病关节炎队列的跨国 harmonization 方法与应用。研究聚焦于利用 OBSIDIAN 等标准化方法协调多国观察性数据，以支持药物真实世界证据生成。

OHDSI 社区于 2026 年 9 月 1 日展示一项真实世界数据研究，主题为银屑病关节炎队列的跨国协调，由 Manos Hatzakis 牵头，完整团队成员列于海报。该研究聚焦不同国家/地区真实世界数据的标准化与可比性，属于观察性健康数据利用的方法学实践。

OHDSI 观察性健康数据社区于 2026 年 8 月 28 日展示 ACROSS 脓毒症系统，该系统强调可操作性、协作性、可复用性与互操作性，由 Jérémie Despraz 牵头，团队信息详见海报。该系统基于观察性健康数据，旨在提升脓毒症的识别与管理能力，但具体技术细节尚未公开。

OHDSI社区团队公布一项研究，利用生成式人工智能和OMOP通用数据模型（CDM）跨越多种病理类型开展罕见病检测。项目由Gabriel de Maeztu领导，团队成员包括Josep Cordón和Mónica Arrúe。研究展示了将AI应用于真实世界数据以提升罕见病识别效率的潜力，相关成果已在OHDSI社会展示中呈现。

OHDSI观察性健康数据社区在社交展示中发布由Jan Vekemans和Kseniia NiKolaienko共同撰写的报告，探讨如何从FHIR标准出发，构建统一数据架构以支持活体证据生成。该内容旨在推动观察性健康数据在真实世界证据研究中的规模化应用，提升数据互操作性和分析效率。

OHDSI（观察性健康数据社区）于2026年8月26日发布演讲预告，Jan Vekemans 与 Kseniia NiKolaienko 将介绍一种基于 FHIR 的统一数据架构，旨在将临床数据转换为可规模化分析的格式，以支持“活体证据生成”（living evidence generation），为真实世界研究提供技术路径。

2026年8月25日，观察性健康数据社区（OHDSI）在社交展示中介绍了由其团队开发的FAIR健康数据上下文模型（Data Context Model），旨在定义健康数据产生过程中涉及的主体、目的、地点、时间及方法等元数据要素，提升数据的可查找、可访问、可互操作和可重用性。该项目由Esmond Urwin牵头，团队成员来自多个国际机构。该模型有望为真实世界数据在监管科学中的应用提供标准化框架。

2026年8月25日，观察性健康数据社区（OHDSI）发布了“FAIR健康数据上下文模型”，旨在定义健康数据中“谁、什么、为何、何地、何时及如何”等关键背景信息，支持数据可发现、可访问、可互操作和可重用。该模型由Esmond Urwin领导，团队来自多机构，通过OHDSI社会展示会公开，并附有演示链接。该模型为健康数据标准化提供了新的方法框架。

OHDSI 观察性健康数据社区于2026年8月24日展示“Jackalope Plus Adventures”项目，由 Kaduk 团队牵头，针对医学词汇自动化映射进行基准测试，并探索 OHDSI 词汇管理系统的发展路径。该项目旨在提升观察性健康数据中术语映射的准确性与效率，为真实世界证据研究的数据标准化提供技术参考。

OHDSI观察性健康数据社区在社交展示会上发布了Jackalope Plus Adventures项目，由Kaduk牵头，团队包括多名成员。该项目旨在对自动术语映射工具进行基准测试，并为OHDSI词汇管理系统的未来发展制定技术路径。通过演示，探索提高真实世界数据研究中标准词汇映射的准确性和效率，以支持多中心数据标准化。

OHDSI社区在#OHDSISocialShowcase活动中展示了EXTERNAL_EXPOSURE表作为OMOP通用数据模型扩展的进展，该扩展旨在支持地理信息系统（GIS）研究中的环境暴露数据整合。项目由Polina Talapova领导，完整团队在海报中列出。该扩展有助于标准化外部暴露数据，提升真实世界证据的可用性，但仍面临数据标准化和跨环境整合等挑战。

2026年8月20日，OHDSI社区发布题为“AI辅助评估日本诊断映射精确性与粒度”的研究项目，由Tetiana Orlova领衔，团队成员包括Mikita Salavei和Tatsiana Skuhareuskaya。该项目利用AI技术对日本来源的诊断编码映射进行精确性和粒度评估，旨在提升真实世界数据中诊断编码的质量，为跨国药物研发和安全性监测提供方法学支持。

OHDSI社区于2026年8月19日发布会议海报，由Renata Silva团队分享在电子健康档案和注册数据源中实施OMOP通用数据模型ETL流程的经验教训。该海报总结了数据标准化过程中的关键挑战与解决方案，涉及数据映射、质量控制及跨源集成等内容，为真实世界数据研究提供方法学参考。

2026年8月19日，OHDSI社区在社交展示中分享了由Renata Silva团队进行的、横跨电子健康档案（EHR）和登记数据源的OMOP通用数据模型ETL实施经验。该海报总结了多源数据转换中的关键挑战与解决方案，涉及数据标准化、质量控制和真实世界证据生成，为利用真实世界数据支持药品监管决策提供参考。

OHDSI 社区于 2026 年 8 月 18 日展示一项研究，由 Anthony G. Sena 牵头，团队包括 Peter R. Rijnbeek 和 Aniek Markus。研究利用机器学习离群值检测方法，在观察性健康数据中识别不合理的测量值，旨在提升真实世界数据的质量与可靠性，相关内容通过社交媒体展示并附有链接。

OHDSI社区于2026年8月18日发布研究，由Anthony G. Sena领导，Peter R. Rijnbeek和Aniek Markus参与，探讨利用机器学习异常检测方法识别观察性健康数据中的不合理测量值。该研究通过OHDSI社会展示形式公布，旨在提升真实世界数据质量，相关链接已提供。

OHDSI社区于2026年8月17日发布西班牙10月12日医院在真实世界证据生成方面的实践经验，由Paula Rubio Mayo牵头，团队包括多名研究人员。内容通过OHDSI社会展示活动分享，重点介绍了该医院利用观察性健康数据开展RWE研究的方法与案例，并附有相关链接。

OHDSI社区展示了西班牙马德里Hospital 12 de Octubre团队在真实世界证据（RWE）生成方面的实践经验。该团队由Paula Rubio Mayo牵头，成员包括多名研究人员。项目利用观察性健康数据标准化模型，旨在提升RWE在临床和监管决策中的应用效率。该分享属于OHDSI社会展示系列，通过在线平台发布。

OHDSI社区于2026年8月14日展示了由Renata Silva领导的葡萄牙零信任国家框架，用于模块化OMOP ETL部署和可扩展分析执行。团队成员包括S Gomes、M Canelas-Pais等。该框架旨在通过零信任原则实现可扩展的观察性健康数据分析，为国家级真实世界数据基础设施提供参考。

2026年8月14日，OHDSI社区展示了由Renata Silva团队提出的葡萄牙零信任国家框架，用于模块化OMOP ETL部署和可扩展分析执行。该框架旨在保障健康数据在转换与分析过程中的安全性，为真实世界数据研究提供技术方案，或影响药企药物警戒和临床研发中的数据处理与合规策略。

OHDSI社区于2026年8月13日发布消息，宣布由Stefano Rapisarda领导的团队在瑞典健康数据上启动OMOP通用数据模型实施，并展示相关工具与工作流。该活动为OHDSI社交展示的一部分，旨在分享标准化健康数据在真实世界证据中的应用实践。

OHDSI社区于2026年8月13日发布瑞典健康数据OMOP实施项目，由Stefano Rapisarda牵头，团队包括多名研究人员。项目展示了将瑞典健康数据转换为OMOP通用数据模型的工具与工作流程，旨在促进多中心真实世界数据研究。该实施有望提升数据互操作性，支持药物流行病学与监管决策。

2026年8月12日，OHDSI观察性健康数据社区发布其团队关于LOINC层级结构对齐的研究成果，旨在实现标准化表示。该工作由Maryia Rahozhkina领导，团队成员包括Oleg Zhuk、Imelda Henrikson和Matthew Littman。项目通过结构对齐促进健康数据互操作性，对真实世界数据研究具有支撑意义。

OHDSI观察性健康数据社区于2026年8月11日发布一项研究，由Vojtech Huser团队提出从ICD-10到SNOMED CT的侧向特定概念映射方法，旨在解决术语转换中的信息丢失问题。该研究展示了映射策略及实施效果，对临床数据标准化和真实世界证据生成具有重要意义，并已公开链接供业界参考。

2026年8月11日，OHDSI社区发布一项关于ICD-10到SNOMED CT映射的研究，旨在解决编码转换中的侧别信息丢失问题。该研究由Vojtech Huser领导，国际团队合作完成，提出侧别特异性映射方法，以提高真实世界数据中编码的准确性和完整性。

OHDSI观察性健康数据社区于2026年8月10日发布了由Karlo Pintarić领导、Marko Čavlina等参与的开源项目，展示如何通过安全、本地部署的数据管道，将50亿行医疗数据转换为OMOP通用数据模型（CDM），以支持大规模观察性健康研究。该项目旨在解决敏感医疗数据的隐私和安全问题，实现标准化处理与分析。

OHDSI社区发布演讲，介绍开发统一ETL策略将九个不同临床康复数据集转换为OMOP通用数据模型的实践经验。由Petros Patias牵头，PREPARE项目组参与，展示了多源康复数据标准化中的挑战与解决方案，旨在促进观察性健康数据研究中的多中心数据整合。

OHDSI观察性健康数据社区于2026年8月6日发布一项关于康复数据标准化的经验分享，由Petros Patias团队主导，提出一种针对九个不同临床数据集的统一ETL转换策略，以支持康复领域的观察性研究。该成果属于PREPARE项目，旨在实现多源康复数据的OMOP标准化，提升数据的可比较性与分析效率。

OHDSI观察性健康数据社区于2026年8月5日发布研究，由Saeed Hayati领导，团队将北欧药物产品标识符（Varenummer）映射至OMOP通用数据模型，旨在提升跨国药物安全研究的标准化与可比性。该工作通过整合区域药品编码，促进多国真实世界数据在药物警戒中的协同应用，支持更精准的安全性分析。

2026年8月5日，OHDSI社区展示了一项由Saeed Hayati领导的研究，旨在将北欧药品产品标识符（Varenummer）映射到OMOP通用数据模型，以增强跨国药物安全研究。该工作团队包括Zeenat Fatima Chatha、Petrica Olteanu和Hedvig Nordeng，目标是标准化药品编码，支持多国数据整合与分析。相关细节见链接。

2026年8月4日，OHDSI社区展示了比利时FHIN医院行业数据联盟（BELFHINDA）在非小细胞肺癌领域开展的可行性评估结果。该联盟旨在探索医院数据与行业数据融合的可行性，研究团队由Karen Crabbé领导，成员包括多家机构研究人员。评估初步成果为真实世界证据在肿瘤学中的应用提供了参考。

2026年8月4日，OHDSI社区发布比利时FHIN医院行业数据联盟（BELFHINDA）在非小细胞肺癌领域的可行性评估结果与经验，由Karen Crabbé领导团队完成。该联盟旨在探索医院与行业间健康数据共享的可行模式，评估结果可能为真实世界数据在药械监管和临床研究中的应用提供参考。

2026年8月3日，OHDSI社区在社交平台展示了一种使用LinkML copia工具进行声明式数据标准化至OMOP-CDM的方法，作者为Alberto Labarga。该方法旨在简化真实世界数据向OMOP通用数据模型的转换流程，提升数据互操作性和可复现性，为后续观察性研究及监管决策支持提供基础。相关链接已公开分享，社区邀请成员参与评审或贡献。

OHDSI社区于2026年8月3日发布技术展示，介绍Alberto Labarga使用LinkML copia进行声明式数据标准化至OMOP-CDM的方法。该方法旨在简化健康数据向通用数据模型的转换过程，提升效率与可重复性，对真实世界数据在药械研发与监管决策中的应用具有潜在技术支撑价值。具体细节见链接。

2026年7月31日，OHDSI社区在社交媒体展示其“Our Future Health”数据映射至OMOP通用数据模型的工作，由Magda Meier和Kevin Garwood主导。该行动旨在将大规模人群健康数据标准化，以支持多中心观察性研究和真实世界证据生成，为监管决策和药物研发提供数据基础。具体技术细节和进展需进一步关注。

2026年7月29日，OHDSI社区在X平台展示了其牵头开发的临床自然语言处理（NLP）管道，旨在将非结构化文本转换为OMOP-CDM格式，支持本地部署大语言模型，强调可解释性与治理就绪性。该工作由Alisson Licona主导，合作者包括Muhammad Waseem和Alex Loleit。该管道有望提升真实世界数据标准化处理效率，适用于监管决策支持。

OHDSI社区于2026年7月29日发布一项用于OMOP-CDM的可解释、治理就绪的临床NLP管道，采用本地部署的大语言模型（LLM）。该方案由Alisson Licona牵头，联合Muhammad Waseem、Alex Loleit共同开发，旨在提升真实世界数据标准化处理的透明度与合规性，相关细节已通过链接公开。