该小组创建了一个新平台，用于以安全（研究人员从未看到过数据）和可重复的方式分析大量健康数据。他们用它来确定哪些因素使人们因COVID-19死亡的风险最高。这有助于指导公共卫生对策。
当COVID-19首次出现时，全球政府不得不在几乎没有信息的情况下做出艰难的公共卫生决策。他们采取的减少传播的措施可以预防与COVID-19相关的死亡，但也可能对身心健康造成负面影响😷。
了解什么因素决定COVID-19严重后果的风险可以帮助指导这些政策。例如，建议高危人群在家中进行防护。
为了了解这些风险因素，有必要分析大量病历。不幸的是，访问这些记录并正确链接它们通常需要大量的监管批准，并且需要很长时间。
要真正了解COVID，我们需要将临床预约记录与测试结果，死亡记录等联系起来。
结果，很难获得真正的大数据集，但越大越好。
那我们该怎么办？这个研究小组提出了一个很好的解决方案……
在较小的数据集中，您可能会看到趋势-但随后没有足够的数据来自信地说这不是随机变化造成的。
正如在本研究中所做的那样，当查看有助于结果的许多不同变量时，这确实很重要。
他们组建了一个由临床医生，程序员，数据科学家和流行病学家组成的团队，并提出了一种提取和分析健康数据的新方法。他们称此平台为OpenSAFELY。
传统方法是：（i）清理数据并假名化（ii）下载数据，然后（iii）进行分析。
这有点像匿名化，但并不严格。可以识别个人身份的信息（例如出生日期或家庭住址）已被修改，但仍可由那些人（即研究人员）使用“取消识别密钥”重新识别。
但是，这并不是特别安全（如果有人的笔记本电脑被盗了，该怎么办？），假名并不是安全的，它允许重复分析，从而冒着错误关系的风险。
该小组的新方法是将用于分析数据的代码直接上传到电子健康记录。然后运行代码并返回结果。数据永远不会离开健康记录。这样可以保护隐私并防止重复分析💯
他们以此为基础，在1700万个人的GP健康记录数据集中，研究了影响死于COVID-19的风险的因素。 数据中识别出的模式总是有可能陷入偶然。 如果测试具有“ 95％的置信度”，则意味着有5％的机会是偶然发生的。 在解释结果时，我们可以牢记这一点。 但是，如果我们运行多个分析以寻找真实结果，会发生什么？ 我们给数据很多机会降到由于机会而导致的5％。 迫于发布有趣的发现的压力，这可能会激励研究人员进行多次测试以发现这些关系，但这可能并非如此。 这些看似有趣，但它们是不好的科学。 1️⃣首先，在研究人员确定要分析的数据（例如所有糖尿病患者）后，他们编写了一些代码以从健康记录中提取数据。
2️⃣运行该代码时，他们会收到要下载的数据。但是，数据是一个占位符。看起来像真实数据-但是所有值都组成了！了解数据的结构有助于研究人员编写代码。
3️⃣工作代码被发送到运行状况记录（打包在称为Docker的包装程序中），在该记录中执行分析。仅将结果返回给研究人员-患者数据永远不会离开健康记录。因此，没有人（甚至没有研究人员）看到原始的患者数据。
他们查看了1700万人的数据，发现与COVID-19相关的死亡人数增加了：
BAME种族（部分原因是医疗问题的普遍发生和更高的剥夺水平）
这种分析是在大流行初期进行的。这意味着我们没有现在的测试能力🧪。为了避免这种情况，研究人员纳入了“临床可疑”的COVID-19病例，而不仅仅是通过COVID-19测试确认的病例。其中一些“阳性”病例实际上可能没有COVID-19。
在这种规模的数据分析中，还存在其他常见问题：一些患者缺少数据，例如肥胖，吸烟状况和种族。此外，健康记录的可用性在不同地区之间也有所不同。他们使用的是单个GP电子唱片公司（TPP）的数据，而某些地区（例如苏格兰和英格兰东北部）使用的是称为EMIS的替代产品。这意味着该研究的样本人群可能无法代表整个人群（或者实际上不是英格兰以外的人群）。
它们未在此处包括其定义，但来自英国政府，其中包括：持续不断的新咳嗽或温度≥37.8°C，或正常的嗅觉（失眠）或味觉（失眠）消失或改变
使该平台运行并在如此短的时间内发布分析结果是一项伟大的壮举。 这类研究通常不会那么快地发生。 该研究帮助公共卫生团队和研究人员做出了决定。 例如，在英国，这为建议高危人群屏蔽盾提供了支持。 这也为健康数据的数据分析提供了一个新的范例，可以使未来的研究更快，更安全和可重现。 所有代码都是开源的，可以免费获得。 这意味着任何人都可以检查代码，其他研究人员可以自由使用它。 自本文以来，同一研究小组已使用该平台研究了（i）与学龄儿童一起生活，（ii）HIV，（iii）种族，（iv）服用羟氯喹和（（ v）患有哮喘或COPD的类固醇。