Unser Kunde, ein innovatives Unternehmen, das eine Plattform für Register seltener Krankheiten entwickelt hat, erstellt Register und unterstützt damit verbundene Forschung in mehreren Ländern. Jedes Register sammelt Daten aus mehreren Quellen, einschließlich EHR und anderen Systemen.
Die interne betriebliche Patientendatendarstellung basiert auf dem Open-Source-Datenmodell OHDSI OMOP/CDM. Das Unternehmen hat außerdem eine umfassende technische und Content-Management-Infrastruktur sowie das erforderliche Metadatenmodell und die CDM-Erweiterung zur Unterstützung seiner Geschäftsziele entwickelt.
Unser Kunde verfügt über mehrere verteilte Teams, die auf drei Kontinenten zusammenarbeiten und untereinander und mit den Kunden zusammenarbeiten.
Unser Kunde beauftragte Clinovera, um von unserer umfangreichen Erfahrung im Gesundheitswesen und den Biowissenschaften sowie von unserer Erfahrung mit der CDM-Expertise von OMOP (Observational Medical Outcomes Partnership) zu profitieren.
Wir haben ein multidisziplinäres Team zusammengestellt, das mithilfe agiler Prozesse eng mit der Führung und dem Management unserer Kunden zusammenarbeitet.
Im Rahmen dieses Engagements haben wir an einem breiten Spektrum datenorientierter Betriebs- und Infrastrukturaufgaben gearbeitet, darunter:
OMOP ist ein Open-Source-Common Data Model (CDM), ein Standard zur Darstellung von Beobachtungsdaten, die für die Durchführung von Real World Evidence (RWE)-Forschung verwendet werden. Es wird von der internationalen OHDSI-Community unterstützt und gepflegt.
OMOP CDM ist hochgradig erweiterbar und kann Erweiterungen und benutzerdefinierte Entitäten außerhalb des Standardmodells aufnehmen. Traditionell wird OMOP CDM nicht als betrieblicher Datenspeicher verwendet, aber mit den richtigen Erweiterungen und Indizierungen konnten wir dieses CDM an die Bedürfnisse des Kunden anpassen.
Über den Kunden Unser Kunde, ein innovatives Unternehmen, das eine Plattform für Register für seltene Krankheiten entwickelt hat, erstellt Register und unterstützt damit verbundene Forschung in mehreren Ländern. Jedes Register sammelt Daten aus mehreren Quellen, einschließlich EHR und anderen Systemen.
Die interne betriebliche Patientendatendarstellung basiert auf dem Open-Source-Datenmodell OHDSI OMOP/CDM. Das Unternehmen hat außerdem eine umfassende technische und Content-Management-Infrastruktur sowie das erforderliche Metadatenmodell und die CDM-Erweiterung zur Unterstützung seiner Geschäftsziele entwickelt.
Unser Kunde verfügt über mehrere verteilte Teams, die auf drei Kontinenten zusammenarbeiten und untereinander und mit den Kunden zusammenarbeiten.
Unser Kunde beauftragte Clinovera, um von unserer umfangreichen Erfahrung im Gesundheitswesen und den Biowissenschaften sowie von unserer Erfahrung mit der CDM-Expertise von OMOP (Observational Medical Outcomes Partnership) zu profitieren.
Wir haben ein multidisziplinäres Team zusammengestellt, das mithilfe agiler Prozesse eng mit der Führung und dem Management unserer Kunden zusammenarbeitet.
Im Rahmen dieses Engagements haben wir an einem breiten Spektrum datenorientierter Betriebs- und Infrastrukturaufgaben gearbeitet, darunter:
Rasche Weiterentwicklung einer mandantenfähigen cloudbasierten interaktiven Plattform zur Datenerfassung, die Arbeitsabläufe und Logik für Kliniker, Patienten und Forscher unterstützt
Aufbau einer Integrationspipeline mit Gesundheitseinrichtungen, die intelligente Patientenabgleich-, Datenprofilierungs- und Datenqualitätsfunktionen nutzt
Erfassung, Transformation und Zuordnung von Patientendaten aus verschiedenen EHR-Systemen und Legacy-Datenquellen zu OMOP CDM
Datenmodellierung für zahlreiche krankheitsspezifische Beobachtungseinheiten hoher Komplexität zur Unterstützung spezifischer Krankheiten und Arbeitsabläufe
Entwicklung klinischer Content-Management-Tools und Infrastruktur für die Zusammenarbeit von Forschern und Klinikern.
Clinovera verfügt über ein Team aus Analysten, Medizininformatikern und Ingenieuren mit umfassenden Fachkenntnissen im Bereich OMOP CDM, die Beobachtungsdaten aus einer Vielzahl von Datenquellen kartieren und extrahieren, komplexe Beobachtungseinheiten modellieren und Tools und Anwendungen rund um OMOP CDM für Forschung und Analyse entwickeln.