의료 도구로서 공공 데이터 API

의료 API
오늘날 세계에서 데이터 교환은 인터넷에 의존하고 데이터를 얻는 데 의존하여 왕성하게 발전하는 업계를 지원하는 관건적인 요소이다.그러나 의료 업계에서 의료 데이터 교환 투자가 부족하여 환자 간호와 다른 의료 서비스의 질에 영향을 미쳤다.예를 들어 환자가 자신의 건강 기록을 쉽게 방문하지 못하거나 병원에서 건강 기록을 효과적으로 전송하지 못할 수도 있다.최근 응용 프로그램 인터페이스(API)가 이런 데이터 교환을 간소화하고 환자 간호를 더욱 개선할 수 있는 도구로 치켜세워지고 있다.
API는 본질적으로 컴퓨터 시스템의 상호 작용을 허용하는 코드입니다.그것들은 컴퓨터 시스템 간의 정보 교환이라는 상호작용적 개념의 지원을 받는다.의료 분야에서는 EHR(Electronic Health Record) 형식의 상호 운용성을 살펴봤습니다.이런 기록은 환자 데이터를 효과적으로 저장할 수 있지만 병원은 환자마다 여러 개의 건강 기록을 자주 사용한다.이로 인해 환자 데이터 검색과 공유가 복잡해졌다.API를 통해 여러 EHR를 하나의 구성 파일이나 시스템으로 단순화할 수 있으므로 환자 데이터를 보다 쉽게 전송할 수 있습니다.
API가 과학기술 업계에서 자주 사용되는 것을 감안하면 API는 의료 보건 분야에서 잠재적인 응용이 많다.임상 연구는 대표적으로 부족한 단체를 더 많은 종류의 데이터로 해결할 수 있다.건강 데이터를 얻기 쉬우면 질병과 치료에 대한 이해에 영향을 미칠 수 있다.또한 의료 시스템에서 API 사용을 확대하면 인터넷을 통해 데이터를 쉽게 전송할 수 있습니다.API를 어떻게 정확하게 사용하는지 설명하기 위해서 우리는 하나의 예를 통해 API와 R(통계 및 데이터 분석 프로그래밍 언어)를 사용하여 데이터에 접근하는 것을 언급할 것이다.이 활동의 경우 Rstudio를 사용합니다.

API 미니 자습서
만약 당신이 미국에서 코로나 환자에 대해 임상 연구를 하고 있다면.지역 병원의 확진자 수에 대한 수치는 있으나, 전국 환자 수와 비교하길 원하며, 주별로 비교하는 것이 좋다.여기서 우리는 인터넷에서 공개적으로 얻을 수 있는 개방된 API를 사용할 것이다.이 오픈 API는 코백스 API 홈페이지https://api.covid19api.com/live/country/usa/status/confirmed에서 검색됐다.
Rstudio에서는 우선 library () 함수를 사용하여 패키지를 불러와야 합니다.우리는 JSON(Javascript 대상 표현법) 데이터를 변환하여 읽을 수 있고 조직적으로 만드는 jsonlite라는 패키지를 다운로드할 것이다.JSON은 R에서 사용하는 문법으로 데이터를 구성하는 데 도움이 된다.

> library(json) 
> covid_data <- fromJSON("https://api.covid19api.com/live/country/usa/status/confirmed")
> print(covid_data)

그리고 R의 데이터를 볼 수 있기를 희망합니다.fromJSON () 함수는 R의 JSON 데이터를 분석합니다. 이 명령이 반복되지 않도록 변수를 만들고, "< -"를 기호로 하는 값 부여 연산자를 사용하여fromJSON () 명령에 값을 부여합니다.이것 또한 우리가 앞으로 데이터를 처리할 때 데이터를 가리키기 쉽게 한다.여기서 변수 "covid 데이터"를 만들었습니다.
print(코로나 데이터)를 입력하면 R에 다음과 같은 통계가 표시됩니다. 여기서 각 주의 확진자 수를 볼 수 있습니다(전체 데이터 세트가 아니라 데이터의 보기일 뿐입니다).

                   Country CountryCode                 Province City CityCode   Lat     Lon  Confirmed 
1  United States of America          US                 Michigan               43.33  -84.54     24244   
2  United States of America          US                 Colorado               39.06 -105.31      7307   
3  United States of America          US               Washington                47.4 -121.49     10530    
4  United States of America          US              Mississippi               32.74  -89.68      2781    
5  United States of America          US                Tennessee               35.75  -86.69      5508    
6  United States of America          US             South Dakota                44.3  -99.44       730      
7  United States of America          US             Pennsylvania               40.59  -77.21     22997   
8  United States of America          US              Puerto Rico               18.22  -66.59       897     
9  United States of America          US           Grand Princess               37.65 -122.67       103      

만약 우리가 작은 데이터 집합만 보고 싶다면, 즉, 우리가 가지고 있는 데이터의 60% 를 무작위로 추출하고 싶다면 어떻게 해야 합니까?우리는 우선 집합을 사용하는 것부터 시작한다.seed () 함수는 무작위 숫자 서열을 생성하는 데 도움이 됩니다. (따라서 데이터의 60% 무작위 서브집합을 생성하는 데 도움이 됩니다.)우리는 nrow(covid 데이터)로'전체 크기'(원시 데이터)를 정의하고 nrow는 열이나 줄을 되돌려줍니다.그리고 우리는 round () 를 사용하여 견본 크기 (우리의 60% 서브집합) 를 정의합니다.데이터에서 추출한 샘플을 식별하기 위해 Sample id를 Sample(pop size, Sample size)로 설정합니다.
명령sample(pop size,sample size)은 전체 데이터에서 데이터 집합의 60% 샘플을 얻을 수 있음을 알려 줍니다. (sample size를 설정한 값에 주의하십시오.)그런 다음 결과 샘플(코로나 데이터 샘플)을 인쇄할 수 있습니다.

> set.seed(1342)
> pop_size = nrow(covid_data)
> sample_size = round(pop_size*0.6)
> sample_id = sample(pop_size,sample_size)
> covid_data_sample = covid_data[sample_id, ]
> print(covid_data_sample)

통상적으로 데이터 집합은 매우 방대할 수 있다.따라서 비교적 작은 무작위 샘플을 채택하여 통계 분석을 하는 것이 도움이 된다.API는 이러한 정보를 해석하는 데 도움이 될 뿐만 아니라 데이터를 효율적으로 전송하고 해석하는 데도 사용될 수 있다.API는 의료 분야에서 더 나은 정보 시스템을 만드는 데 도움을 줄 수 있지만 의료 분야의 데이터는 매우 귀중하다.

건강 정보 디지털화의 미래
환자 간호에 대한 다양한 응용 외에 API는 건강 연구에서 잠재적인 역할을 많이 한다.임상 연구에는 질병 및 기타 건강 관련 주제에 대한 정보를 더 많이 알 수 있도록 인간 참가자를 테스트하는 것, 의료 API를 통해 다양한 데이터에 접근할 수 있는 것도 포함된다.API는 데이터베이스에서 데이터를 직접 다운로드하는 것(일반적으로 형식 오류가 발생할 수 있음)과 달리 데이터를 보다 읽기 쉽고 조직적으로 만들 수 있습니다.또한 의료 시스템에서 API 사용을 확대하면 인터넷을 통해 데이터를 쉽게 전송할 수 있습니다.미니 튜토리얼을 통해 API를 통해 데이터를 쉽게 볼 수 있는 방법에 대해 알아봤습니다.이런 방법은 임상 연구 분야에서 유용할 뿐만 아니라, 미래에 건강 데이터를 쉽게 얻는 데도 중요한 도구가 될 것이다.