中国和加拿大合作出生队列研究数据统一及共享方法-中国医药生物技术.PDF

494 中国医药生物技术 2015 年 12 月第 10 卷第 6 期 Chin Med Biotechnol, December 2015, Vol. 10, No. 6 DOI: 10.3969/j.issn.1673-713X.2015.06.004 ·生物样本库建设· 中国和加拿大合作出生队列研究数据统一 及共享方法 周光迪，吴美琴，赵丽，吴宇航，翁鑫宇，蒋聪，赵莎莎，王伟业 出生缺陷、代谢综合征、儿童孤独症、多动症、哮喘、 environmental chemicals，MIREC ）出生队列。其中 SBC 计 糖尿病、不孕不育、肥胖、心脑血管疾病等多种疾病都与胎 划招募 4000 位孕妇，3D 和 MIREC 计划招募 2000 和 儿期的环境暴露关系密切[1-2] ，所以出生队列研究等针对生 2500 位孕妇。三个队列的研究方向各有不同，其共同焦点 命早期环境暴露的研究近年来迅速发展，对病因学研究有着 是探索环境因素影响胎儿在母体子宫内发育及出生后发育 关键的推动作用。大样本量对于统计结果准确性的提升至关 生长至成人阶段可能出现的不良影响。在三个队列分别进行 重要，单个项目常因资源不足而影响统计分析，而大型队列 了一段时间后，中加双方才开始接洽队列信息共享的工作， 项目所需的资源量从时间、人力和物力方面难以实现，这样 所以本项目需要整合三个队列的数据资源，但已经存在的数 的矛盾直接影响了基于队列数据的后续研究[3] 。因此，非常 据存在异质性而无法直接整合。三方的变量选择、定义、标 有必要整合不同队列之间的信息，并进行共享，来解决大样 准都有巨大差异，已经不可能统一标准收集数据或直接统一 [4] 本量和大资源消耗量之间的矛盾 。 数据集，所以将首先同质化三个队列项目的数据，再进行数 项目资源之间的信息统一（data harmonization ）与共享 据共享。像中加出生队列项目这样各方先收集数据、再接洽 （data sharing ）在国际上已经开展多年，最显著的例子是生 整合数据资源的情况普遍存在，但缺少数据同质化和整合的 物医学资源整合机构 BBMRI 采用分布式中心（distributed 模式和方法。队列项目，尤其是跨国的队列项目之间的数据 hub ）的模式，将样本和数据存储于分布式中心，由虚拟的 资源整合，往往面对多重的伦理法规限制，各方的数据统一 中心用联邦制方式管理数据[5] 。目前，国内资源共享的项目 后也不一定能够整合。中加出生队列项目在实现三个队列研 尚缺乏经验和模式。信息共享模式主要有三种，第一种为直 究数据共享、为病因学研究提供大数据分析结果的同时，更 接集中数据，将各中心数据直接集中在一起，统一管理、分 能为类似情况的国际数据共享合作项目提供模式和方法上 析、利用。优点是标准统一、便于大数据整合，缺点是可变 的重要参考，并为如何在符合国际伦理规范的前提下进行跨 性小，可行性低。因为各研究中心往往有不同的研究偏向， 国数据共享树立范例。 不同的具体条件，不同的知情同意与伦理法规。在这样的前 提下，强行统一变量的选择和数据标准并不现实，几乎无法 1 方法 实施。第二种共享模式为通过最小数据集，即不同项目按相 1.1 制定数据词典 同的定义和标准来收集共同的最核心数据，用这些核心数据 数据词典定义数据流图中的各个成分的具体含义，对数 来代表研究群体的特性，并在项目之间共