Construção de Linked Data Mashup: Integração de Dados na Saúde Pública. Gabriel Lopes, Vânia Vidal e Mauro Oliveira.

Transcrição

1 Construção de Linked Data Mashup: Integração de Dados na Saúde Pública Gabriel Lopes, Vânia Vidal e Mauro Oliveira.

2 Outline GISSA: Sistema de Apoio a Tomada de Decisões; Problemática: Consulta sobre bases heterogêneas; Framework para integração de dados; Construção de um Linked Data Mashup; Consultas sobre a Visão Integrada; Conclusão; Trabalhos Futuros; Referências.

3 GISSA Projeto de pesquisa com objetivo de auxiliar gestores de Saúde Pública na tomada de decisão em diversos domínios. Prova de conceito em Tauá-CE;

4 GISSA Projeto de pesquisa com objetivo de auxiliar gestores de Saúde Pública na tomada de decisão em diversos domínios. Prova de conceito em Tauá-CE; Domínio clínico-epidemiológico: pré-natal, puericultura, nascimento e óbito.

5 Bases de Dados Heterogêneas Como identificar gestações de risco usando as fontes de dados do SUS.

6 Bases de Dados Heterogêneas Como identificar gestações de risco usando as fontes de dados do SUS. Dados sobre Mortalidade no país.

7 Bases de Dados Heterogêneas Como identificar gestações de risco usando as fontes de dados do SUS. Dados sobre Mortalidade no país. Informações sobre o indivíduo: socioeconômicas, saúde, demográfica, etc.

8 Bases de Dados Heterogêneas Como identificar gestações de risco usando as fontes de dados do SUS. Dados sobre Mortalidade no país. Informações sobre o indivíduo: socioeconômicas, saúde, demográfica, etc. Informações sobre a gestante, gestação e recém-nascido, etc.

9 Bases de Dados Heterogêneas Como identificar gestações de risco usando as fontes de dados do SUS. Consulta??? Dados sobre Mortalidade no país. Informações sobre o indivíduo: socioeconômicas, saúde, demográfica, etc. Informações sobre a gestante, gestação e recém-nascido, etc. Informações sobre estabecimentos, equipamentos, equipes médicas, etc. Informa o quantitativo populacional vacinado.

10 Fatores de Risco: Óbito Infantil

11 Fatores de Risco: Óbito Infantil

12 Fatores de Risco: Óbito Infantil

13 Fatores de Risco: Óbito Infantil

14 Fatores de Risco: Óbito Infantil

15 Fatores de Risco: Óbito Infantil

16 Objetivo Objetivo deste trabalho é disponibilizar ao GISSA uma visão integrada das bases e-sus e SINASC, de forma que um gestor de Saúde possa analisar os fatores de riscos para óbitos-infantis e partos prematuros.

17 2. Framework de Integração

18 Framework: O framework Linked Data Mashup Framework [4] propõe 5 passos para a integração de dados:

19 LDMF - L.D. Mashup Framework 5 Passos: 1. Seleção das Fontes de Dados; Fonte de Dados Fonte de Dados

20 LDMF - L.D. Mashup Framework 5 Passos: Ontologia de Aplicação 1. Seleção das Fontes de Dados 2. Modelagem da Ontologia de Aplicação; Fonte de Dados Fonte de Dados

21 LDMF - L.D. Mashup Framework 5 Passos: 1. Seleção das Fontes de Dados 2. Modelagem da Ontologia de Aplicação; 3. Geração das Ontologias Exportadas; Ontologia Exportada Ontologia de Aplicação Sub-ontologias Mapeamentos Ontologia Exportada Fonte de Dados Fonte de Dados

22 LDMF - L.D. Mashup Framework 5 Passos: 1. Seleção das Fontes de Dados 2. Modelagem da Ontologia de Aplicação; 3. Geração das Ontologias Exportadas; 4. Identificação das Ligações (links owl:sameas); Ontologia Exportada Fonte de Dados Ontologia de Aplicação Mapeamentos owl:sameas Ontologia Exportada Fonte de Dados

23 LDMF - L.D. Mashup Framework 5 Passos: 1. Seleção das Fontes de Dados 2. Modelagem da Ontologia de Aplicação; 3. Geração das Ontologias Exportadas; 4. Identificação das Ligações (links owl:sameas); 5. Regras de Fusão e Limpeza dos Dados. Regras de Fusão Ontologia Exportada Data Source Ontologia de Aplicação Mapeamentos owl:sameas Regras de Fusão Ontologia Exportada Data Source

24 3. Construção do Mashup

25 Construção Mashup: Passo 1 PASSO 1: Seleção das Fontes de Dados; PASSO 2: Modelagem da Ontologia de Aplicação; PASSO 3: Geração da Ontologias Exportadas; PASSO 4: Especificação das heurísticas para descoberta de same-as links; PASSO 5: Fusão e Limpeza de dados.

26 SINASC: Visões Materializadas

27 e-sus: Visões Materializadas

28 Construção Mashup: Passo 2 PASSO 1: Seleção das Fontes de Dados; PASSO 2: Modelagem da Ontologia de Aplicação; PASSO 3: Geração da Ontologias Exportadas; PASSO 4: Especificação das heurísticas para descoberta de same-as links; PASSO 5: Fusão e Limpeza de dados.

29 Ontologia de Aplicação PREFIX gissa:<

30 Construção Mashup: Passo 2 PASSO 1: Seleção das Fontes de Dados; PASSO 2: Modelagem da Ontologia de Aplicação; PASSO 3: Geração da Ontologias Exportadas; PASSO 4: Especificação das heurísticas para descoberta de same-as links; PASSO 5: Fusão e Limpeza de dados.

31 Passo 3 : Mapeamentos R2RML R2RML: Padrão W3C para mapeamentos de dados Relacionais em RDF [5].

32 gissa:pessoa gissa:nomecompleto gissa:idadereal gissa:cns gissa:peso Mashup Ontology GISSA_OWL TB_Pessoa CO UNICO FICHA varchar(96) - no_pessoa - idade int - dt_nascimento - nu_cns TB_Detalhe_Pessoa CO UNICO FICHA varchar(96) - alcool - drogas - hipertensao - doenca_cardiaca - cancer - diabetes Esquema do Banco de Dados GISSA_REL

33 gissa:pessoa gissa:nomecompleto gissa:idadereal gissa:cns gissa:peso Mashup Ontology GISSA_OWL R2RML TB_Pessoa CO UNICO FICHA varchar(96) - no_pessoa - idade int - dt_nascimento - nu_cns TB_Detalhe_Pessoa CO UNICO FICHA varchar(96) - alcool - drogas - hipertensao - doenca_cardiaca - cancer - diabetes Esquema do Banco de Dados GISSA_REL

34

35 Mashup DATASUS: Passo 4 PASSO 1: Modelagem da Ontologia de Domínio; PASSO 2: Seleção da Fontes de Dados; PASSO 3: Geração da Ontologias Exportadas (esquemas); PASSO 4: Especificação das heurísticas para descobertas de links sameas; PASSO 5: Limpeza de dados.

36 Passo 4 : Descoberta dos Links SameAs Para descoberta dos links owl:sameas, foi utilizado a ferramenta SILK[2]. Pessoas Nome Completo; Data de Nascimento; CNS - Cartão Nacional da Saúde

37

38 Mashup DATASUS: Passo 5 PASSO 1: Modelagem da Ontologia de Domínio; PASSO 2: Seleção da Fontes de Dados; PASSO 3: Geração da Ontologias Exportadas (esquemas); PASSO 4: Especificação das heuristicas para descobertas de same-as links; PASSO 5: Fusão dos Dados.

39 Passo 5 : Fusão dos Dados Para a Fusão, foi utilizada a ferramenta SIEVE[3]. Base mais confiável: e-sus

40

41

42 3.1 Interface de Consultas

43 SPARQL EndPoint EndPoint criado com o Apache Fuseki[1]

44 Consultas sobre a Visão Integrada Todas as recém-gestantes Fumantes? Todas as recém-gestantes Fumantes e Hipertensas?

45 Consultas sobre a Visão Integrada O peso dos bebês nascidos de mães fumantes?

46 Conclusão e Trabalhos Futuros Esse trabalho vai permitir : analisar a relação entre maus-hábitos durante a gravidez com problemas no parto e/ou no recém-nascido;

47 Conclusão e Trabalhos Futuros Esse trabalho vai permitir : analisar a relação entre maus-hábitos durante a gravidez com problemas no parto e/ou no recém-nascido; Criar programas de conscientização com as gestantes baseados em históricos de casos de problemas;

48 Conclusão e Trabalhos Futuros Esse trabalho vai permitir : analisar a relação entre maus-hábitos durante a gravidez com problemas no parto e/ou no recém-nascido; Criar programas de conscientização com as gestantes baseados em históricos de casos de problemas; Potencialmente, diminuir casos de óbitos-infantis e partos prematuros.

49 Conclusão e Trabalhos Futuros Esse trabalho vai permitir : analisar a relação entre maus-hábitos durante a gravidez com problemas no parto e/ou no recém-nascido; Criar programas de conscientização com as gestantes baseados em históricos de casos de problemas; Potencialmente, diminuir casos de óbitos-infantis e partos prematuros. Como Trabalhos Futuros: Enriquecer o Mashup utilizando outras bases de dados (e.g. SIM, DBPedia);

50 Conclusão e Trabalhos Futuros Esse trabalho vai permitir : analisar a relação entre maus-hábitos durante a gravidez com problemas no parto e/ou no recém-nascido; Criar programas de conscientização com as gestantes baseados em históricos de casos de problemas; Potencialmente, diminuir casos de óbitos-infantis e partos prematuros. Como Trabalhos Futuros: Enriquecer o Mashup utilizando outras bases de dados (e.g. SIM, DBPedia); Aplicar anonimização nos dados;

51 Conclusão e Trabalhos Futuros Esse trabalho vai permitir : analisar a relação entre maus-hábitos durante a gravidez com problemas no parto e/ou no recém-nascido; Criar programas de conscientização com as gestantes baseados em históricos de casos de problemas; Potencialmente, diminuir casos de óbitos-infantis e partos prematuros. Como Trabalhos Futuros: Enriquecer o Mashup utilizando outras bases de dados (e.g. SIM, DBPedia); Aplicar anonimização nos dados; Desenvolver um Framework que reutilize a especificação gerada num Mashup.

52 Referências [1] Apache (2015). Apache Jena FUSEKI available at [2] Bizer, C., Volz, J., Kobilarov, G., and Gaedke, M. (2009b). Silk - a link discovery framework for the web of data. In 18th International World Wide Web Conference. [3] Mendes, P. N., Muhleisen, H., and Bizer, C. (2012). Sieve: Linked Data Quality Asses- sment and Fusion. In 2nd International Workshop on Linked Web Data Management (LWDM 2012) at the 15th International Conference on Extending Database Technology, EDBT 2012, page to appear. [4] V. M. P. Vidal, M. A. Casanova, N. Arruda, M. Roberval, L. P. Leme, G. R. Lopes, and C. Renso. Advanced Information Systems Engineering: 27th International Conference, CAiSE 2015, Stockholm, Sweden, June 8-12, 2015, Proceedings, chapter Specification and Incremental Maintenance of Linked Data Mashup Views, pages Springer International Publishing, Cham, [5] W3C (2016). R2RML RDB to RDF Mapping Language. available at

53 Leiam o artigo :)

54