연구 데이터 캡처, 주석 및 설명을 위한 표준
효과적인 데이터 수집은 단일 데이터 포인트가 캡처되기 전에 시작됩니다. 데이터 관리 계획(DMP)은 연구 수명주기 동안 데이터가 어떻게 수집, 구성, 문서화, 저장 및 공유될 것인지를 문서화합니다. 대부분의 주요 자금 제공자들은 이제 보조금 신청의 일부로 DMP를 요구합니다.
DMP는 연구 프로젝트와 함께 진화하는 살아있는 문서입니다. 프로젝트 마일스톤에서 재검토되고 데이터 관리 요구 사항이 변경되거나 새로운 요구 사항이 나타나면 업데이트되어야 합니다.
| 요소 | 설명 | 고려사항 |
|---|---|---|
| 데이터 설명 | 예상 유형, 형식, 볼륨 | 프로젝트 수명주기 동안 성장 추정 |
| 표준 | 파일 형식, 메타데이터 스키마 | 가능한 경우 커뮤니티 표준 사용 |
| 문서화 | 주석, 코드북 방법 | 기계 판독 가능한 메타데이터 계획 |
| 저장 | 기본 저장소, 백업, 보안 | 기관 vs 클라우드 리소스 |
| 공유 | 저장소, 시기, 제한 | 자금 제공자 및 저널 요구사항 |
| 보존 | 장기 아카이빙 계획 | 보존 기간, 포맷 마이그레이션 |
| 리소스 | 인력, 인프라, 예산 | 데이터 관리 비용 포함 |
여러 도구가 DMP 작성을 용이하게 합니다: DMPTool(미국)과 DMPonline(영국)은 자금 제공자 요구 사항에 맞춘 템플릿을 제공합니다. DMP Assistant(캐나다)는 이중 언어 지원을 포함합니다. 이러한 도구는 구조화된 DMP를 생성하고, 버전을 추적하며, 자금 제공자가 요구하는 형식으로 내보낼 수 있습니다. 많은 기관이 지역 DMP 템플릿과 지원 서비스를 제공합니다.
표준화된 데이터 수집은 일관성, 품질 및 상호운용성을 보장합니다:
| 도메인 | 표준 | 적용 |
|---|---|---|
| 임상 시험 | CDISC (CDASH, SDTM, ADaM) | 증례 보고서 양식, 제출 데이터셋 |
| 관찰 | OMOP CDM, PCORnet CDM | 실제 데이터 조화 |
| 유전체학 | GA4GH 스키마, VCF, BAM | 시퀀스 데이터, 변이 호출 |
| 영상 | DICOM, BIDS, NIfTI | 의료 영상, 신경 영상 |
| 바이오뱅킹 | MIABIS, SPREC | 샘플 수집 및 처리 |
| 설문/PRO | PROMIS, SF-36, 검증된 도구 | 환자 보고 결과 |
CDISC(Clinical Data Interchange Standards Consortium)는 임상 연구 데이터를 위한 가장 포괄적인 표준을 제공합니다. CDASH는 증례 보고서 양식 내용을 표준화합니다. SDTM은 FDA 및 EMA에서 요구하는 제출 데이터셋 구조를 정의합니다. ADaM은 분석 준비 데이터셋을 지정합니다. ODM-XML은 전자 데이터 캡처 교환을 가능하게 합니다. CDISC 표준 채택은 규제 제출에 필요하며 저널 및 저장소에서 점점 더 기대되고 있습니다.
메타데이터(데이터에 대한 데이터)는 발견, 이해 및 재사용에 필수적입니다:
| 스키마 | 범위 | 사용 사례 |
|---|---|---|
| Dublin Core | 일반 기술 | 기본 데이터셋 설명 |
| DataCite | 연구 데이터 인용 | DOI 메타데이터, 저장소 입금 |
| DDI | 사회/건강 설문조사 | 설문조사 데이터 문서화 |
| ISA-Tab | 생명과학 실험 | 연구/분석/샘플 관계 |
| DCAT | 데이터 카탈로그 | 데이터 포털 상호운용성 |
포괄적인 문서화는 미래 사용자가 데이터를 이해하고 재사용할 수 있게 합니다:
# 데이터셋 제목
## 설명
데이터셋에 대한 간략한 설명
## 인용
이 데이터셋을 인용하는 방법
## 데이터 파일
- filename1.csv: 설명
- filename2.xlsx: 설명
## 변수
주요 변수 및 정의
## 수집 방법
데이터 수집 방법
## 처리
데이터 정제 및 변환 단계
## 접근 조건
라이선스, 제한, 연락처 정보
## 버전 히스토리
데이터셋 버전 간 변경사항문서화를 지연하면 "문서화 부채"가 발생합니다. 세부 사항이 기억에서 희미해지면 필요한 작업이 기하급수적으로 증가합니다. 진행하면서 문서화하세요: 프로젝트 시작 시 README 템플릿 생성, 실행 중인 실험 노트북 유지, 작성된 코드에 주석 달기, 각 데이터 버전으로 문서 업데이트. 오늘 명백해 보이는 것이 1년 후에는 미스터리가 될 것입니다.
체계적인 구성은 검색 가능성을 향상시키고 오류를 줄입니다:
좋음: 2024-01-15_project-alpha_samples_v02.csv
나쁨: data final FINAL (2).csv
좋음: genomics/processed/patient001_rnaseq_normalized.tsv
나쁨: John's analysis results!!.xlsx데이터 및 코드의 변경 사항 추적은 재현성에 필수적입니다:
| 접근 방식 | 최적 대상 | 도구 |
|---|---|---|
| Git/GitHub | 코드, 작은 텍스트 파일 | Git, GitHub, GitLab, Bitbucket |
| Git LFS | 큰 바이너리 파일 | Git Large File Storage |
| DVC | ML 데이터셋, 파이프라인 | Data Version Control |
| 데이터셋 버전 관리 | 릴리스된 데이터셋 | 의미론적 버전 관리 (1.0.0) |
데이터 수집이 시작되기 전에 DMP 생성; 데이터 형식에 대해 확립된 도메인 표준 사용; 체계적인 파일 명명 및 구성 구현; 커뮤니티 스키마를 사용하여 풍부한 메타데이터 유지; 프로젝트 종료 시가 아닌 지속적으로 문서화; 모든 코드 버전 관리 및 데이터 버전 추적; 데이터 관리를 위한 적절한 리소스 예산 책정(프로젝트 비용의 2-5%).