روش شناسي پيوند داده بر اساس الگوريتم احتمالاتي: يك مقاله مروري

Probabilistic record linkage methodology: a review article

امروزه با پيشرفت تكنولوژي و توسعه پژوهش در كشور، شاهد شكل گرفتن بانك هاي اطلاعاتي بزرگ و ارزشمند هستيم. لازمه رديابي اطلاعاتافراد در اين مجموعه هاي گرانبها، بكارگيري روشهاي جديد واكاوي داده هاي مرتبط مي­باشد. با اين روش­ها اطلاعات بسيار مفيدي را مي­توان درباره تشخيص، سبب شناختي و پيش آگهي پيامدهاي مختلف بدون انجام مطالعات پرهزينه فراهم كرد. گوناگوني در جمع ­آوري و تعاريف فيلد هاي حاوي داده هاي سلامت در بانك­هاي اطلاعاتي مختلف، نياز به آشنايي با روش شناسي پيوند داده ها را بيشتر ميكند. هدف از اين مقاله مروري، آشنايي با روش­شناسي پيوند داده ها براساس روش­هاي احتمالاتي مي­باشد. تعريف پيوند داده در دو روش قطعي و احتمالاتي ارائه خواهد شود و در ادامه مباني روش شناختي پيوند داده احتمالاتي مانند ارزيابي كيفيت داده ها، ارزيابي همسان بودن ركوردها و محاسبه وزن همسان بودن ركوردها از دو بانك اطلاعاتي به همراه تعيين سطح تصميم گيري براي همسان بودن آنها بحث خواهد شد. در قالب يك مثال عملي روش­ شناسي پيوند داده احتمالاتي با استفاده از داده هاي بانك اطلاعات ثبت سرطان و مرگ و مير نشان خواهد داده شد.

Research development and information technology progress lead to generate big dataset with valuable information. In health research, with tracing people from different dataset like registries can provide valuable information about prognosis, prediction, discrimination, detection or etiology for many outcomes without establishing costly studies. Extracting the knowledge from this potential information is applied using advanced methods such as data linkage or record linkage with deterministic or probabilistic algorithm. However, probabilistic linkage is computationally complex and not well understood by many researchers who may wish to apply it in their work. Therefore, the purposes of this review article is to introduce probabilistic record linkage methodology such as quality and standardization of dataset, determining the matching records from different dataset, calculating the matching weights and discrimination matched from unmatched record using a cut point. In follow, with a practical example the probabilistic record linkage methodology is introduced by cancer registry and mortality dataset.