Requêtes usuelles v5.4

Par Boris Delange, Antoine Lamer | 02.09.2024

Introduction

Nous présentons ici quelques requêtes que l’on utilise fréquemment pour requêter les tables de bases de données au format OMOP.

Ces requêtes se basent sur la version 5.4 du schéma OMOP.

The OMOP CDM v5.4 entity relationship diagram from Martijn Schuemie and Renske Los

Pour chaque tables, les requêtes sont disponibles :

en utilisant la librairie dplyr de R (directement depuis LinkR)
en utilisant du SQL (PostgreSQL)
en utilisant la librairie pandas de Python

Pour le code en dplyr, nous utiliserons les fonctions join_concept et count_concept_rows, qui sont disponibles dans LinkR (pas besoin de les déclarer de nouveau) :

# Permet de faire la jointure des ID et des noms de concepts

join_concept <- function(df, concept_df, key, name, copy = TRUE) {

    # Dans LinkR, les variables de données d$... sont de type lazy, tandis que d$concept ne l'est pas.
    # Nous utilisons l'option copy = TRUE pour copier temporairement la variable d$... en mémoire locale,
    # parce qu'une table lazy ne peut pas être fusionnée directement avec une table locale.

    df %>%
        dplyr::left_join(
            concept_df %>%
            dplyr::select(!!key := concept_id, !!name := concept_name),
        by = key,
        copy = copy
    )
}

# Permet de faire le décompte de chaque concept

count_concept_rows <- function(df, group_col, name_col) {
    df %>%
        dplyr::group_by(dplyr::across(dplyr::all_of(c(group_col, name_col)))) %>%
        dplyr::summarize(n = n(), .groups = 'drop') %>%
        dplyr::arrange(desc(n))
}

PERSON

Calcul de l’âge

L’âge est calculé depuis les variables d$visit_occurrence (hospitalisations) ou d$visit_detail (séjours dans les unités au cours d’une hospitalisation).

Il s’agit de l’âge du patient à l’admission pour chaque hospitalisation ou admission dans une unité.

# Le code de calcul des dates étant mal converti en SQL, nous collectons les données avec dplyr::collect(),
# ce qui signifie que les données sont copiées dans un dataframe localement.
# Le code dplyr n'est ainsi pas converti en SQL.

d$visit_occurrence %>%
    dplyr::left_join(
        d$person %>% dplyr::select(person_id, birth_datetime),
        by = "person_id"
    ) %>%
    dplyr::collect() %>%
    dplyr::mutate(
        age = round(as.numeric(difftime(visit_start_datetime, birth_datetime, units = "days")) / 365.25, 1)
    )

-- DuckDB / PostgreSQL

SELECT 
    v.*, 
    ROUND(
        EXTRACT(EPOCH FROM (v.visit_start_datetime - p.birth_datetime)) / (365.25 * 86400), 
        1
    ) AS age
FROM 
    visit_occurrence v
LEFT JOIN 
    (SELECT person_id, birth_datetime FROM person) p
ON 
    v.person_id = p.person_id;

import pandas as pd

merged_df = pd.merge(
    visit_occurrence,
    person[['person_id', 'birth_datetime']],
    on='person_id',
    how='left'
)

merged_df['age'] = round(
    (merged_df['visit_start_datetime'] - merged_df['birth_datetime']).dt.total_seconds() / (365.25 * 86400), 
    1
)

Jointure des noms de concepts

d$person %>%
    join_concept(d$concept, "gender_concept_id", "gender_concept_name") %>%
    join_concept(d$concept, "race_concept_id", "race_concept_name") %>%
    join_concept(d$concept, "ethnicity_concept_id", "ethnicity_concept_name")

-- DuckDB / PostgreSQL

SELECT 
    p.*, 
    c.concept_name AS gender_concept_name
FROM 
    person p
LEFT JOIN 
    (SELECT concept_id AS gender_concept_id, concept_name FROM concept) c
ON 
    p.gender_concept_id = c.gender_concept_id;

import pandas as pd

concept_df = concept[['concept_id', 'concept_name']].rename(
    columns={'concept_id': 'gender_concept_id', 'concept_name': 'gender_concept_name'}
)

merged_df = pd.merge(
    person, 
    concept_df, 
    how='left', 
    left_on='gender_concept_id', 
    right_on='gender_concept_id'
)

VISIT_OCCURRENCE

Jointure des noms de concepts

d$visit_occurrence %>%
    join_concept(d$concept, "visit_concept_id", "visit_concept_name") %>%
    join_concept(d$concept, "visit_type_concept_id", "visit_type_concept_name") %>%
    join_concept(d$concept, "admitted_from_concept_id", "admitted_from_concept_name") %>%
    join_concept(d$concept, "discharge_to_concept_id", "discharge_to_concept_name")

Calcul du nombre d’occurrences par visit_concept_name

d$visit_occurrence %>%
    join_concept(d$concept, "visit_concept_id", "visit_concept_name") %>%
    count_concept_rows("visit_concept_id", "visit_concept_name") %>%
    dplyr::collect() %>%
    print(n = 100)

VISIT_DETAIL

Jointure des noms de concepts

d$visit_detail %>%
    join_concept(d$concept, "visit_detail_concept_id", "visit_detail_concept_name") %>%
    join_concept(d$concept, "visit_detail_type_concept_id", "visit_detail_type_concept_name") %>%
    join_concept(d$concept, "admitted_from_concept_id", "admitted_from_concept_name") %>%
    join_concept(d$concept, "discharge_to_concept_id", "discharge_to_concept_name")

Calcul du nombre d’occurrences par visit_detail_concept_name

d$visit_detail %>%
    join_concept(d$concept, "visit_detail_concept_id", "visit_detail_concept_name") %>%
    count_concept_rows("visit_detail_concept_id", "visit_detail_concept_name") %>%
    dplyr::collect() %>%
    print(n = 100)

CONDITION_OCCURRENCE

Jointure des noms de concepts

d$condition_occurrence %>%
    join_concept(d$concept, "condition_concept_id", "condition_concept_name") %>%
    join_concept(d$concept, "condition_type_concept_id", "condition_type_concept_name")

Calcul du nombre d’occurrences par condition_concept_name

d$condition_occurrence %>%
    join_concept(d$concept, "condition_concept_id", "condition_concept_name") %>%
    count_concept_rows("condition_concept_id", "condition_concept_name") %>%
    dplyr::collect() %>%
    print(n = 100)

MEASUREMENT

Jointure des noms de concepts

d$measurement %>%
    join_concept(d$concept, "measurement_concept_id", "measurement_concept_name") %>%
    join_concept(d$concept, "measurement_type_concept_id", "measurement_type_concept_name") %>%
    join_concept(d$concept, "operator_concept_id", "operator_concept_name") %>%
    join_concept(d$concept, "unit_concept_id", "unit_concept_name")

Calcul du nombre d’occurrences par measurement_concept_name

d$measurement %>%
    join_concept(d$concept, "measurement_concept_id", "measurement_concept_name") %>%
    count_concept_rows("measurement_concept_id", "measurement_concept_name") %>%
    dplyr::collect() %>%
    print(n = 100)

OBSERVATION

Jointure des noms de concepts

d$observation %>%
    join_concept(d$concept, "observation_concept_id", "observation_concept_name") %>%
    join_concept(d$concept, "observation_type_concept_id", "observation_type_concept_name") %>%
    join_concept(d$concept, "value_as_concept_id", "value_as_concept_name") %>%
    join_concept(d$concept, "qualifier_concept_id", "qualifier_concept_name") %>%
    join_concept(d$concept, "unit_concept_id", "unit_concept_name")

Calcul du nombre d’occurrences par observation_concept_name

d$observation %>%
    join_concept(d$concept, "observation_concept_id", "observation_concept_name") %>%
    count_concept_rows("observation_concept_id", "observation_concept_name") %>%
    dplyr::collect() %>%
    print(n = 100)

←Précédent
Suivant→

Dernière modification 04.09.2024: Update datathon articles (29dd8a7)