Este catálogo se ha desarrollado en el Servicio de Dermatología del Hospital 12 de Octubre, dentro de un doble proyecto de estandarización del manejo de la imagen clínica dermatológica y de codificación de diagnósticos para práctica clínica. Hasta este momento, se utilizaba un listado de escasos diagnósticos dermatológicos, codificados en CIE-9 o CIE-10, que resultaban insuficientes para la codificación de todos los procesos que se valoran en dermatología. Así pues, desde el Servicio de Dermatología del Hospital 12 de Octubre, se procedió a confeccionar un listado mejorado de términos diagnósticos, con el objetivo de poder recoger de forma estandarizada la actividad médica en este Servicio. Inicialmente se solicitó al Ministerio de Sanidad un listado de diagnósticos que se consideraran relacionados con la Dermatología. Se recibió un listado de más de 5000 diagnósticos distintos. Tras reuniones sucesivas de todo el Servicio se llegó a un consenso obteniendo un listado de poco más de 1000 diagnósticos. A pesar de esto, había numerosos diagnósticos dermatológicos que no estaban representados. Mediante consenso entre los autores firmantes, los cuales son Facultativos Especialistas en Dermatología o Médicos Internos Residentes del Servicio de Dermatología del Hospital 12 de Octubre, se completó la lista existente teniendo en cuenta las distintas áreas de superespecialización de facultativos responsables de consultas monográficas. Todos estos términos fueron posteriormente revisados por los otros autores. Se eliminaron los términos obsoletos o, aquellos que, tras consenso, se consideraron de uso improbable en la actividad dermatológica habitual. Tras obtener una lista de diagnósticos actualizada, se buscaron las referencias correspondientes a esos diagnósticos en SNOMED CT. El recurso SNOMED CT es un estándar internacional que proporciona una forma estandarizada de representar conceptos médicos y permite su interpretación automática. Agrupando estos códigos SNOMED CT referidos a los diagnósticos recogidos, se ha confeccionado un catálogo de 2142 diagnósticos. Se incluyen en el catálogo, algunos términos sinónimos a las referencias recogidas en SNOMED CT, por considerarlos útiles para la práctica clínica habitual. Este catálogo, es un recurso adecuado para la recogida de diagnósticos en dermatología, estandarizado y que permite su interpretación automática.

El catálogo se ha conformado en el Servicio de Dermatología del Hospital 12 de Octubre, dentro de un proyecto de estandarización del manejo de la imagen clínica dermatológica. Se realizó una búsqueda de recursos existentes para estandarización de terminología de conceptos médicos, sin encontrar un catálogo adecuado a la actividad del Servicio de Dermatología. El recurso SNOMED CT es un estándar internacional que proporciona una forma estandarizada de representar conceptos médicos y permite su interpretación automática. Tiene referencias cruzadas con otros estándares internacionales, como CIE-9-CM o CIE-10. Pese a que en SNOMED CT existen subconjuntos de referencias para algunas áreas médicas, no tiene en este momento un subconjunto para la representación de anatomía de superficie en dermatología. Así pues, desde el Servicio de Dermatología del Hospital 12 de Octubre, en colaboración con la Universidad Complutense de Madrid, se procedió a confeccionar un listado de aquellos conceptos de anatomía de superficie que eran relevantes para la descripción estandarizada de nuestras imágenes. Para esto, nos ayudamos de la publicación del léxico para anatomía de superficie en la undécima revisión de la Clasificación Internacional de Enfermedades (International Classification of Diseases). Kenneweg, K. A., Halpern, A. C., Chalmers, R., Soyer, H. P., Weichenthal, M., & Molenda, M. A. (2019). Developing an international standard for the classification of surface anatomic location for use in clinical practice and epidemiologic research. Journal of the American Academy of Dermatology, 80(6), 1564–1584. https://doi.org/10.1016/j.jaad.2018.08.035 Este léxico fue a su vez mejorado por el Grupo Colaborativo de Imagen Cutánea Internacional (International Skin Imaging Collaboration) mediante consenso Delphi. En este trabajo, se establecen niveles anatómicos de mayor a menor tamaño, que se han mantenido en el catálogo, por su utilidad. Navarrete-Dechent, C., Liopyris, K., Molenda, M. A., Braun, R., Curiel-Lewandrowski, C., Dusza, S. W., Guitera, P., Hofmann-Wellenhof, R., Kittler, H., Lallas, A., Malvehy, J., Marchetti, M. A., Oliviero, M., Pellacani, G., Puig, S., Peter Soyer, H., Tejasvi, T., Thomas, L., Tschandl, P., Scope, A., … Halpern, A. C. (2020). Human surface anatomy terminology for dermatology: A Delphi consensus from the International Skin Imaging Collaboration (ISIC). Journal of the European Academy of Dermatology and Venereology : JEADV, 10.1111/jdv.16855. Advance online publication. https://doi.org/10.1111/jdv.16855 Se realizaron un total de 3 reuniones en las que se discutió una a una la necesidad y conveniencia de incluir determinadas localizaciones anatómicas en el catálogo que se pretende proteger. Tras un periodo de reflexión en el que cada uno de los colaboradores revisó la totalidad del catálogo propuesto se llegó a un acuerdo definitivo. Finalmente, una vez seleccionados los conceptos relevantes en anatomía de superficie en dermatología, se realizó una búsqueda, concepto por concepto, en el catálogo SNOMED CT, para identificar aquellas referencias equivalentes. Agrupando estos códigos SNOMED CT referidos a los conceptos anatómicos seleccionados, se ha confeccionado un catálogo de términos de localizaciones anatómicas adecuado para su uso en dermatología, estandarizado y que permite su interpretación automática.

Los objetos a registrar se han desarrollado en el marco de trabajo Del área de datos del Hospital Universitario 12 de Octubre, para la mejora del registro de información asistencial para uso primario y secundario. Estos trabajos toman como principal referencia el siguiente artículo publicado por el equipo de Ciencia de datos: Miguel Pedrera-Jiménez, Noelia García-Barrio, Jaime Cruz-Rojo, Ana Isabel Terriza-Torres, Elena Ana López-Jiménez, Fernando Calvo-Boyero, María Jesús Jiménez-Cerezo, Alvar Javier Blanco-Martínez, Gustavo Roig-Domínguez, Juan Luis Cruz-Bermúdez, José Luis Bernal-Sobrino, Pablo Serrano-Balazote, Adolfo Muñoz-Carrero. Obtaining EHR-derived datasets for COVID-19 research within a short time: a flexible methodology based on Detailed Clinical Models. Journal of Biomedical Informatics, Volume 115,2021, 103697, ISSN 1532-0464, https://doi.org/10.1016/j.jbi.2021.103697. Para identificar las lagunas de estandarización sobre datos COVID-19, se analizaron los diferentes dominios de la HCE en los sistemas de información sanitaria. Los requisitos establecidos para la definición del conjunto inicial de variables fueron que debía cubrir el ámbito necesario tanto para la atención al paciente como para los usos secundarios, y ser parsimonioso, ya que los datos se iban a registrar en la práctica asistencial, y era importante no aumentar la carga de trabajo de los profesionales sanitarios. El modelado y la formalización de los conceptos se realizaron de acuerdo con la norma ISO 13606. Cada observación definida en este trabajo se modeló mediante un componente ENTRY, como "Presión arterial", que, a su vez, contiene los componentes ELEMENTs relativos a los conceptos específicos asociados a ella: "Presión arterial sistólica", "Presión arterial diastólica" y "Presión arterial media". Por último, el componente ENTRY contiene un componente ELEMENT para representar la fecha en la que se realizó la observación. Para cubrir los requisitos de este caso de uso fue necesario utilizar cuatro tipos de datos. • Physical Quantity (PQ): para observaciones cuyo resultado es un valor numérico con unidad de medida, por ejemplo, la presión arterial sistólica medida en mmHg; • Coded Value (CV): para observaciones cuyo resultado es un conjunto de posibles valores codificados, por ejemplo, el resultado de la prueba de detección del virus del SARS-COV-2, que puede ser positivo, negativo o no concluyente; • Integer: para observaciones cuyo resultado es un valor entero, por ejemplo, la puntuación de la escala de coma de Glasgow; y • DateTime: para observaciones cuyo valor es un punto de tiempo, por ejemplo, la fecha de inicio del hábito de fumar o la fecha en que se realizó una observación. El modelo de arquetipos hace uso de los componentes definidos anteriormente para formalizar los conceptos del dominio clínico. Por un lado, la sección "definition" especifica los componentes del arquetipo, junto con su cardinalidad, tipo de datos, valores mínimos y máximos, unidad de medida, conjunto de valores codificados y otros metadatos. La definición completa del modelo de información y sus restricciones garantizan la integridad y coherencia de los extractos de la HCE. Por otro lado, la sección "ontology" define el enlace terminológico, incorporando la semántica al modelo de información. El Lenguaje de Definición de Arquetipos (ADL) fue empleado para el desarrollo de arquetipos utilizando LinkEHR Studio. El enlace terminológico se realizó con SNOMED CT y LOINC, ya que ambos están adoptados internacionalmente, y forman parte de las especificaciones semánticas emitidas por el Ministerio de Sanidad español. Mientras que LOINC se utilizó para representar observaciones de laboratorio, por ejemplo, "94315-9 |SARS-related coronavirus E gene [Presence] in Specimen by NAA with probe detection", el eje de 'entidad observable' de SNOMED CT se empleó para representar conceptos de observaciones clínicas, por ejemplo, "103228002 |Hemoglobin saturation with oxygen (observable entity)|". En este caso, fue necesario recurrir al mecanismo de extensión terminológica para cinco conceptos. Esto permite a cada Centro Nacional de Referencia/CNR (SNOMED CT) publicar sus propios conceptos, que luego se proponen para su inclusión en la edición internacional de esta terminología. Por último, los ejes SNOMED CT "hallazgo clínico" y "calificador" se utilizaron para los valores que están constituidos por un conjunto de valores posibles, por ejemplo, "77176002 |Smoker (finding)|" y "10828004 |Positive (qualifier value)|”. El resultado obtenido ha sido la especificación y estandarización de un conjunto de 22 observaciones clínicas y 36 observaciones relacionadas con el laboratorio de interés en COVID-19. Estos conceptos, en consonancia con la norma ISO 13606 y ligados semánticamente a terminologías estándar, se implementan en los múltiples sistemas de información sanitaria del Hospital, permitiendo la representación, el intercambio y el uso homogéneaode los datos.

Los objetos a registrar se han desarrollado en el marco de trabajo Del área de datos del Hospital Universitario 12 de Octubre, para la mejora del registro de información asistencial para uso primario y secundario. Estos trabajos toman como principal referencia el siguiente artículo publicado por el equipo de Ciencia de datos: Miguel Pedrera-Jiménez, Noelia García-Barrio, Jaime Cruz-Rojo, Ana Isabel Terriza-Torres, Elena Ana López-Jiménez, Fernando Calvo-Boyero, María Jesús Jiménez-Cerezo, Alvar Javier Blanco-Martínez, Gustavo Roig-Domínguez, Juan Luis Cruz-Bermúdez, José Luis Bernal-Sobrino, Pablo Serrano-Balazote, Adolfo Muñoz-Carrero. Obtaining EHR-derived datasets for COVID-19 research within a short time: a flexible methodology based on Detailed Clinical Models. Journal of Biomedical Informatics, Volume 115,2021, 103697, ISSN 1532-0464, https://doi.org/10.1016/j.jbi.2021.103697. Para identificar las lagunas de estandarización sobre datos COVID-19, se analizaron los diferentes dominios de la HCE en los sistemas de información sanitaria. Los requisitos establecidos para la definición del conjunto inicial de variables fueron que debía cubrir el ámbito necesario tanto para la atención al paciente como para los usos secundarios, y ser parsimonioso, ya que los datos se iban a registrar en la práctica asistencial, y era importante no aumentar la carga de trabajo de los profesionales sanitarios. El modelado y la formalización de los conceptos se realizaron de acuerdo con la norma ISO 13606. Cada observación definida en este trabajo se modeló mediante un componente ENTRY, como "Presión arterial", que, a su vez, contiene los componentes ELEMENTs relativos a los conceptos específicos asociados a ella: "Presión arterial sistólica", "Presión arterial diastólica" y "Presión arterial media". Por último, el componente ENTRY contiene un componente ELEMENT para representar la fecha en la que se realizó la observación. Para cubrir los requisitos de este caso de uso fue necesario utilizar cuatro tipos de datos. • Physical Quantity (PQ): para observaciones cuyo resultado es un valor numérico con unidad de medida, por ejemplo, la presión arterial sistólica medida en mmHg; • Coded Value (CV): para observaciones cuyo resultado es un conjunto de posibles valores codificados, por ejemplo, el resultado de la prueba de detección del virus del SARS-COV-2, que puede ser positivo, negativo o no concluyente; • Integer: para observaciones cuyo resultado es un valor entero, por ejemplo, la puntuación de la escala de coma de Glasgow; y • DateTime: para observaciones cuyo valor es un punto de tiempo, por ejemplo, la fecha de inicio del hábito de fumar o la fecha en que se realizó una observación. El modelo de arquetipos hace uso de los componentes definidos anteriormente para formalizar los conceptos del dominio clínico. Por un lado, la sección "definition" especifica los componentes del arquetipo, junto con su cardinalidad, tipo de datos, valores mínimos y máximos, unidad de medida, conjunto de valores codificados y otros metadatos. La definición completa del modelo de información y sus restricciones garantizan la integridad y coherencia de los extractos de la HCE. Por otro lado, la sección "ontology" define el enlace terminológico, incorporando la semántica al modelo de información. El Lenguaje de Definición de Arquetipos (ADL) fue empleado para el desarrollo de arquetipos utilizando LinkEHR Studio. El enlace terminológico se realizó con SNOMED CT y LOINC, ya que ambos están adoptados internacionalmente, y forman parte de las especificaciones semánticas emitidas por el Ministerio de Sanidad español. Mientras que LOINC se utilizó para representar observaciones de laboratorio, por ejemplo, "94315-9 |SARS-related coronavirus E gene [Presence] in Specimen by NAA with probe detection", el eje de 'entidad observable' de SNOMED CT se empleó para representar conceptos de observaciones clínicas, por ejemplo, "103228002 |Hemoglobin saturation with oxygen (observable entity)|". En este caso, fue necesario recurrir al mecanismo de extensión terminológica para cinco conceptos. Esto permite a cada Centro Nacional de Referencia/CNR (SNOMED CT) publicar sus propios conceptos, que luego se proponen para su inclusión en la edición internacional de esta terminología. Por último, los ejes SNOMED CT "hallazgo clínico" y "calificador" se utilizaron para los valores que están constituidos por un conjunto de valores posibles, por ejemplo, "77176002 |Smoker (finding)|" y "10828004 |Positive (qualifier value)|”. El resultado obtenido ha sido la especificación y estandarización de un conjunto de 22 observaciones clínicas y 36 observaciones relacionadas con el laboratorio de interés en COVID-19. Estos conceptos, en consonancia con la norma ISO 13606 y ligados semánticamente a terminologías estándar, se implementan en los múltiples sistemas de información sanitaria del Hospital, permitiendo la representación, el intercambio y el uso homogéneaode los datos.