Full metadata record
DC poleHodnotaJazyk
dc.contributor.authorBrůha, Petr
dc.contributor.authorMouček, Roman
dc.contributor.authorSalamon, Jaromír
dc.contributor.authorVacek, Vítězslav
dc.date.accessioned2023-02-27T11:00:23Z-
dc.date.available2023-02-27T11:00:23Z-
dc.date.issued2022
dc.identifier.citationBRŮHA, P. MOUČEK, R. SALAMON, J. VACEK, V. Workflow for health-related and brain data lifecycle. Frontiers in Digital Health, 2022, roč. 4, č. November 2022, s. 1-24. ISSN: 2673-253Xcs
dc.identifier.issn2673-253X
dc.identifier.uri2-s2.0-85144033104
dc.identifier.urihttp://hdl.handle.net/11025/51601
dc.description.abstractŠpatný životní styl může vést k chronickým onemocněním a nízké fyzické a duševní kondici. Předem však můžeme změřit a analyzovat více aspektů fyzického a duševního zdraví, jako jsou tělesné parametry, rizikové faktory zdraví, stupeň motivace a celková ochota změnit současný životní styl. Ve spojení s údaji reprezentujícími činnost lidského mozku můžeme získat a přesněji identifikovat zdravotní problémy člověka vyplývající z dlouhodobého životního stylu a případně zlepšit kvalitu a délku lidského života. V současné době se údaje týkající se mozku a fyzického zdraví běžně neshromažďují a nevyhodnocují společně. Předpokládá se však, že to bude zajímavý a životaschopný koncept, zejména pokud bude následovat podrobnější definice a popis celého cyklu jejich zpracování. Pokud se navíc při ukládání, anotování, analýze a vyhodnocování takovýchto souborů dat použijí osvědčené postupy, usnadní se tím nezbytný rozvoj infrastruktury a intenzivnější spolupráce mezi vědeckými týmy a laboratořemi. Tento přístup také zlepšuje reprodukovatelnost experimentální práce. Výsledkem je, že rozsáhlé sbírky dat týkajících se fyzického zdraví a zdraví mozku by mohly poskytnout spolehlivý základ pro lepší interpretaci celkového zdravotního stavu člověka. Cílem této práce je podat přehled a reflektovat některé osvědčené postupy používané v rámci světových komunit k zajištění reprodukovatelnosti experimentů, shromážděných souborů dat a souvisejících pracovních postupů. Tyto osvědčené postupy se týkají např. modelů životního cyklu dat, zásad FAIR a definic a implementací terminologií a ontologií. Dále je uveden příklad, jak by mohl být vytvořen automatizovaný systém pracovních postupů na podporu shromažďování, anotování, ukládání, analýzy a publikování výsledků. K realizaci koncepce takového automatizovaného systému pracovních postupů byl vyvinut pilotní systém Body in Numbers, který rovněž využívá osvědčené postupy softwarového inženýrství. Je jedinečný právě díky kombinaci zpracování a vyhodnocování tělesných a mozkových (elektrofyziologických) dat. Jeho implementace je podrobněji zkoumána a jsou diskutovány možnosti využití získaných poznatků a výsledků v různých aplikačních oblastech.cs
dc.format24 s.cs
dc.format.mimetypeapplication/pdf
dc.language.isoenen
dc.publisherFrontiers Mediaen
dc.relation.ispartofseriesFrontiers in Digital Healthen
dc.rights© authorsen
dc.subjectosvědčené postupycs
dc.subjectmozková datacs
dc.subjectživotní cyklus datcs
dc.subjectzdravotnický informační systémcs
dc.subjectúdaje týkající se zdravícs
dc.subjectontologiecs
dc.subjectfyzické údajecs
dc.subjectpracovní postupcs
dc.titleWorkflow for health-related and brain data lifecycleen
dc.title.alternativePracovní postup pro životní cyklus dat týkajících se zdraví a mozkucs
dc.typečlánekcs
dc.typearticleen
dc.rights.accessopenAccessen
dc.type.versionpublishedVersionen
dc.description.abstract-translatedPoor lifestyle leads potentially to chronic diseases and low-grade physical and mental fitness. However, ahead of time, we can measure and analyze multiple aspects of physical and mental health, such as body parameters, health risk factors, degrees of motivation, and the overall willingness to change the current lifestyle. In conjunction with data representing human brain activity, we can obtain and identify human health problems resulting from a long-term lifestyle more precisely and, where appropriate, improve the quality and length of human life. Currently, brain and physical health-related data are not commonly collected and evaluated together. However, doing that is supposed to be an interesting and viable concept, especially when followed by a more detailed definition and description of their whole processing lifecycle. Moreover, when best practices are used to store, annotate, analyze, and evaluate such data collections, the necessary infrastructure development and more intense cooperation among scientific teams and laboratories are facilitated. This approach also improves the reproducibility of experimental work. As a result, large collections of physical and brain health-related data could provide a robust basis for better interpretation of a person’s overall health. This work aims to overview and reflect some best practices used within global communities to ensure the reproducibility of experiments, collected datasets and related workflows. These best practices concern, e.g., data lifecycle models, FAIR principles, and definitions and implementations of terminologies and ontologies. Then, an example of how an automated workflow system could be created to support the collection, annotation, storage, analysis, and publication of findings is shown. The Body in Numbers pilot system, also utilizing software engineering best practices, was developed to implement the concept of such an automated workflow system. It is unique just due to the combination of the processing and evaluation of physical and brain (electrophysiological) data. Its implementation is explored in greater detail, and opportunities to use the gained findings and results throughout various application domains are discussed.en
dc.subject.translatedbest practicesen
dc.subject.translatedbrain dataen
dc.subject.translateddata lifecycleen
dc.subject.translatedhealth information systemen
dc.subject.translatedhealth-related dataen
dc.subject.translatedontologyen
dc.subject.translatedphysical dataen
dc.subject.translatedworkflowen
dc.identifier.doi10.3389/fdgth.2022.1025086
dc.type.statusPeer-revieweden
dc.identifier.obd43937823
dc.project.IDSGS-2022-016/Pokročilé metody zpracování a analýzy datcs
Vyskytuje se v kolekcích:Články / Articles (KIV)
OBD

Soubory připojené k záznamu:
Soubor VelikostFormát 
Brůha a kol. _fdgth-04-1025086.pdf7,95 MBAdobe PDFZobrazit/otevřít


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/51601

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání
navigace
  1. DSpace at University of West Bohemia
  2. Publikační činnost / Publications
  3. OBD