3. 标准化术语体系入门

OMOP CDM 之所以能跨机构、跨国家做队列发现与真实世界研究，关键不在于表结构统一，而在于语义统一。源系统里“2型糖尿病”“Type 2 diabetes mellitus”“E11.9”是三种写法，如果直接入库，同一患者会被拆成三个概念，统计结果必然失真。标准词汇表的作用，就是把临床事实从“本地说法”翻译成 OMOP 能识别的标准概念（Standard Concept），并保留原始编码以便追溯。

OMOP 的术语体系不是一张表，而是一套分层结构：最底层是各来源词汇表（ICD-10、SNOMED、LOINC、RxNorm、ATC 等），中间是 CONCEPT 表，上层通过 CONCEPT_RELATIONSHIP 建立“非标准概念 → 标准概念”的映射，再由 DOMAIN 决定该概念应落入 CONDITION_OCCURRENCE、DRUG_EXPOSURE、MEASUREMENT 还是 OBSERVATION。理解这套结构，是后续 ETL 映射工作的前提。

各标准词汇表在 OMOP 中的角色分工

SNOMED CT 是 OMOP 中最重要的临床标准词汇表，覆盖疾病、症状、操作、解剖、药物等，是 Condition 域的首选标准。它的优势在于粒度细、有层级关系（IS-A），例如“2型糖尿病”可以向上归到“糖尿病”，便于做宽口径队列。ICD-10 在 OMOP 中通常作为非标准概念存在，用于承接医院病案首页和医保结算数据，再通过 Maps to 关系映射到 SNOMED 标准概念。需要注意：ICD-10 是分类体系，一个编码可能对应多个 SNOMED 概念，映射时不能简单一对一。

LOINC 负责检验检查项目，是 Measurement 域的标准。LOINC 编码由六段构成（组件、属性、时间、系统、标尺、方法），例如 2345-7 表示“血清/血浆葡萄糖”。同一项目在不同医院可能叫“血糖”“GLU”“葡萄糖测定”，映射到 LOINC 后即可统一。LOINC 还区分了“医嘱名称”和“结果名称”，映射时要根据实际数据判断落在哪一段。

RxNorm 是药品标准词汇表，用于 Drug 域。它把商品名、通用名、剂型、规格、成分整合为不同粒度的概念（Ingredient、Clinical Drug、Branded Drug 等）。OMOP 推荐将药品映射到 Clinical Drug 或 Ingredient 层级，具体取决于研究需求：做药物暴露分析常用 Ingredient，做剂量分析则需 Clinical Drug。ATC 是 WHO 的药物分类体系，在 OMOP 中通常作为非标准概念，通过 ATC → RxNorm 的映射关系使用，适合做药物大类分析，但不适合作为标准概念直接写入 drug_concept_id。

映射原则与实操要点

映射的核心原则可以概括为三条：标准概念优先、保留源编码、域归属正确。具体操作时，先查 CONCEPT 表确认目标概念是否存在且 standard_concept='S'；若源编码本身是标准概念（如 SNOMED、LOINC、RxNorm），可直接使用；若是非标准概念（如 ICD-10、ATC、本地编码），则通过 CONCEPT_RELATIONSHIP 中 relationship_id='Maps to' 找到标准概念。

一个常见的实操判断是：当源编码在 CONCEPT 表中查不到时，不能随意新建概念，而应检查是否使用了错误的 vocabulary_id，或该编码是否属于更细粒度的本地扩展。此时可先映射到最接近的上级标准概念，并在 ETL 日志中记录“降级映射”，供后续人工复核。

以一条实际数据为例：某医院上传诊断“E11.9 2型糖尿病不伴并发症”。在 OMOP 中，source_value='E11.9'，source_concept_id 指向 ICD-10 概念，通过 Maps to 找到 SNOMED 标准概念 201826（Type 2 diabetes mellitus），写入 condition_concept_id=201826，condition_source_concept_id 保留 ICD-10 概念。这样既满足标准化分析，又保留原始编码可追溯。

最后要强调：标准词汇表不是“选一个用”，而是按域分工、协同使用。诊断走 SNOMED，检验走 LOINC，药品走 RxNorm，分类统计可借助 ICD-10 和 ATC。映射质量直接决定后续队列定义、特征提取和统计分析的可靠性，因此每一步映射都应有据可查、可回溯、可复核。