3 Bewertungen

ID

45543

Beschreibung

Disclaimer: Der „GECCO - German Corona Consensus - Covid-19 Research-Dataset“ Inhalt, der auf dem Portal für medizinische Datenmodelle (MDM Portal) zu finden ist, ersetzt nicht den GECCO Datensatz auf simplifier.net. Für die Nutzung von GECCO-FHIR-Profilen verwenden Sie bitte die auf https://simplifier.net/ForschungsnetzCovid-19/ verfügbaren Profile. Der FHIR-Download auf MDM erzeugt lediglich eine FHIR-Fragebogenresource. Ziel Überarbeitung August 2021: höhere Kompatibilität mit der NUM-COMPASS-App bzw. der Schnittstelle zur zentralen Datenbank; Zwischenstand, gewisse Module sind noch nicht kompatibel mit der Schnittstelle (u.a. Medikation und Laborwerte; Beatmungstherapie ist aktuell doppelt hinterlegt) This version of the GECCO logical model is based on https://art-decor.org/art-decor/decor-datasets--covid19f-, and the implementation for REDCap by the University of Tübingen (3.3.2021), partially updated with https://simplifier.net/guide/GermanCoronaConsensusDataSet-ImplementationGuide/Home information. For actual use of FHIR profiles, please use the actual profiles available on https://simplifier.net/ForschungsnetzCovid-19/ResearchDatasetGECCO/~overview (FHIR download on MDM is only a FHIR questionnaire resource). This version is not compatible with the REDCap to FHIR GECCO converter of the University of Tübingen. It aims at a higher compatibility with the app generated for the NUM-COMPASS project (conversion to COMPASS-compatible FHIR questionnaire necessary) and from there with the central platform of the NUM-CODEX project. A few modules are not yet compatible (e.g. Medication and lab values; ventilation is currently double). Official German text from http://cocos.team/datasets.html: Zur Bewältigung der aktuellen Pandemie und der damit einhergehenden Behandlung von Patienten fördert das Bundesministerium für Bildung und Forschung (BMBF) ein nationales Netzwerk der Universitätsmedizin im Kampf gegen COVID-19. Unter anderem soll das Netzwerk die Daten der behandelten COVID-19 Patienten systematisch erfassen und bündeln. Die Forschenden sollen die Behandlung der COVID-19-Patienten standardisiert erheben, verfolgen und analysieren. Die hohe Bedrohungslage hat zu intensiver wissenschaftlicher Aktivität zu COVID-19 geführt, wozu zahlreiche regionale, nationale und internationale epidemiologische Erhebungen und Registerstudien zählen. Der Konsensusdatensatz gibt der Wissenschaft um COVID-19 eine gemeinsame Sprache und Arbeitsgrundlage. Inofficial translation: In order to cope with the current pandemic and the associated treatment of patients, the Federal Ministry of Education and Research (BMBF) is funding a national network of university medicine in the fight against COVID-19. Among other things, the network will systematically collect and bundle the data of the treated COVID-19 patients. The researchers are to collect, track and analyze the treatment of COVID-19 patients in a standardized way. The high threat level has led to intensive scientific activity on COVID-19, including numerous regional, national and international epidemiological surveys and register studies. The consensus data set provides a common language and working basis for the science around COVID-19.

Link

https://simplifier.net/ForschungsnetzCovid-19/

Stichworte

  1. 29.09.20 29.09.20 - Sarah Riepenhausen
  2. 29.09.20 29.09.20 - Sarah Riepenhausen
  3. 09.10.20 09.10.20 -
  4. 28.10.20 28.10.20 -
  5. 13.01.21 13.01.21 - Sarah Riepenhausen
  6. 03.02.21 03.02.21 - Sarah Riepenhausen
  7. 03.02.21 03.02.21 - Sarah Riepenhausen
  8. 25.08.21 25.08.21 - Sarah Riepenhausen
  9. 02.09.21 02.09.21 - Sarah Riepenhausen
  10. 06.09.21 06.09.21 - Sarah Riepenhausen
  11. 05.01.23 05.01.23 - Sarah Riepenhausen
Rechteinhaber

Nationales Forschungsnetzwerk der Universitätsmedizin zu Covid-19

Hochgeladen am

5. Januar 2023

DOI

Für eine Beantragung loggen Sie sich ein.

Lizenz

Creative Commons BY 4.0

Modell Kommentare :

Hier können Sie das Modell kommentieren. Über die Sprechblasen an den Itemgruppen und Items können Sie diese spezifisch kommentieren.

Itemgroup Kommentare für :

Item Kommentare für :


    Keine Kommentare

    Um Formulare herunterzuladen müssen Sie angemeldet sein. Bitte loggen Sie sich ein oder registrieren Sie sich kostenlos.

    GECCO - German Corona Consensus - Covid-19 Research-Dataset

    Studieneinschluss/Einschlusskriterien

    Studieneinschluss/Einschlusskriterien
    Beschreibung

    Studieneinschluss/Einschlusskriterien

    Alias
    UMLS CUI-1
    C1512693 (Inclusion)
    UMLS CUI-2
    C1516637 (Clinical Trial Eligibility Criteria)
    Bestätigte Covid-19-Diagnose als Hauptursache für Aufnahme in Studie
    Beschreibung

    FHIR-Mapping: Observation GECCO

    Datentyp

    text

    Alias
    UMLS CUI [1,1]
    C1512693 (Inclusion)
    UMLS CUI [1,2]
    C5203670 (COVID19 (disease))
    SNOMED
    840539006
    UMLS CUI [1,3]
    C0008976 (Clinical Trials)
    SNOMED
    110465008
    LOINC
    LP231796-6
    CompassGeccoItem
    studyEnrollmentOrInclusionCriteria.enrolledWithCovid19DiagnosisAsMainReason (undefined)
    Hat der Patient an einer oder mehreren interventionellen Klinischen Studie teilgenommen?
    Beschreibung

    FHIR-Mapping: Observation Wenn ja, bitte EudraCT- oder NCT-Nummer angeben (falls vorhanden) GECCO

    Datentyp

    text

    Alias
    UMLS CUI [1,1]
    C2348568 (Study Subject Participation Status)
    UMLS CUI [1,2]
    C3274035 (Interventional Study)
    CompassGeccoItem
    studyEnrollmentOrInclusionCriteria.hasPatientParticipatedInOneOrMoreInterventionalClinicalTrials (undefined)
    Wenn ja, bitte EudraCT- oder NCT-Nummer angeben (falls vorhanden)
    Beschreibung

    Hinweis: Dieses Item gibt es nicht in REDCap oder art-decor. Es wird in art-decor und simplifier darauf hingewiesen, dass bei Studienteilnahme diese Studienidentifier angegeben werden sollen, falls vorhanden.

    Datentyp

    text

    Alias
    UMLS CUI [1]
    C3274381 (Clinical Trial Registry Identifier)

    Ähnliche Modelle

    Studieneinschluss/Einschlusskriterien

    Name
    Typ
    Description | Question | Decode (Coded Value)
    Datentyp
    Alias
    Item Group
    Studieneinschluss/Einschlusskriterien
    C1512693 (UMLS CUI-1)
    C1516637 (UMLS CUI-2)
    Item
    Bestätigte Covid-19-Diagnose als Hauptursache für Aufnahme in Studie
    text
    C1512693 (UMLS CUI [1,1])
    C5203670 (UMLS CUI [1,2])
    C0008976 (UMLS CUI [1,3])
    studyEnrollmentOrInclusionCriteria.enrolledWithCovid19DiagnosisAsMainReason (CompassGeccoItem)
    Code List
    Bestätigte Covid-19-Diagnose als Hauptursache für Aufnahme in Studie
    CL Item
    Ja (1)
    410605003 (SNOMED CT[1])
    C1705108 (UMLS CUI-1)
    Y (v2-0136)
    CL Item
    Nein (0)
    410594000 (SNOMED CT[1])
    C1298908 (UMLS CUI-1)
    N (v2-0136)
    CL Item
    Unbekannt (9)
    261665006 (SNOMED CT[1])
    unknown (2.16.840.1.113883.4.642.4.1048)
    C0439673 (UMLS CUI-1)
    asked-unknown (data-absent-reason)
    Item
    Hat der Patient an einer oder mehreren interventionellen Klinischen Studie teilgenommen?
    text
    C2348568 (UMLS CUI [1,1])
    C3274035 (UMLS CUI [1,2])
    studyEnrollmentOrInclusionCriteria.hasPatientParticipatedInOneOrMoreInterventionalClinicalTrials (CompassGeccoItem)
    Code List
    Hat der Patient an einer oder mehreren interventionellen Klinischen Studie teilgenommen?
    CL Item
    Ja (1)
    C1705108 (UMLS CUI-1)
    373066001 (SNOMED CT[1])
    CL Item
    Nein (0)
    C1298908 (UMLS CUI-1)
    373067005 (SNOMED CT[1])
    CL Item
    Unbekannt (9)
    C0439673 (UMLS CUI-1)
    261665006 (SNOMED CT[1])
    CL Item
    Andere (8)
    C0205394 (UMLS CUI-1)
    74964007 (SNOMED CT[1])
    CL Item
    N.A. (7)
    C1272460 (UMLS CUI-1)
    385432009 (SNOMED CT[1])
    NCT/EudraCT-Nummer
    Item
    Wenn ja, bitte EudraCT- oder NCT-Nummer angeben (falls vorhanden)
    text
    C3274381 (UMLS CUI [1])

    Benötigen Sie Hilfe bei der Suche? Um mehr Details zu erfahren und die Suche effektiver nutzen zu können schauen Sie sich doch das entsprechende Video auf unserer Tutorial Seite an.

    Zum Video