This thesis aims to provide practical insights into the Linked Data approach to epidemiology. The insights are based on the preliminary results of a real-world study at the Pediatric Hospital of the Medical University of Warsaw which was concerned with investigating various medical and social risk factors on COVID-19 severity in children and SARS-CoV-2 spread dynamics. The thesis delivers results regarding the influence of various comorbidities on COVID-19 severity, based on a case of 90 patients of the Hospital, and establishes that metabolic disorders had a statistically significant influence on the hospitalization length in the observed sample (alpha = 0.05). It discusses the role of Linked Data in obtaining that result and presents ways to reuse that approach to enable similar studies. An overview of the theoretical framework for the paradigm is presented and its practical implications are discussed. Additionally, the thesis provides a technical report of the implemented data processing pipeline.
Praca ta dostarcza praktyczny wgląd w tematykę Linked Data w kontekście epidemiologii. Wgląd ten oparty jest na wstępnych wynikach epidemiologicznego badania przeprowadzanego w Szpitalu Pediatrycznym Warszawskiego Uniwersytetu Medycznego, którego przedmiotem były różnorodne medyczne i socjologiczne czynniki ryzyka ciężkiego przebiegu COVID-19 u dzieci i rozprzestrzeniania się SARS-CoV-2. W pracy zaprezentowano rezultaty dotyczące wpływu chorób współistniejących na ciężkość COVID-19 na podstawie próby 90 pacjentów tego Szpitala — w zaobserwowanej grupie statycznie znaczny wpływ na długość hospitalizacji miało wystąpienie choroby metabolicznej u pacjenta (alfa = 0.05). Przeanalizowana została rola Linked Data w uzyskaniu tego wyniku oraz zaprezentowano jak przy pomocy tego paradygmatu można uzyskać inne, podobne rezultaty. Praca zawiera analizę teoretycznych jak i praktycznych podstaw Linked Data. Ponadto, prezentuje raport techniczny z implementacji systemu do przetwarzania danych użytego w badaniu epidemiologicznym.
