Refleksi pada Lokakarya dan Konferensi MQ Datamind oleh Peneliti Karir dini

Mao Fong LimNIHR Academic Clinical Fellow, berbagi pengalaman menghadiri pertemuan dan lokakarya Ilmu Data pada bulan September.

Kami memulai dengan adegan yang tidak terduga buat lokakarya ilmu data kesehatan mental – kantor Deutsche Bank di London Pusat. Ini diikuti oleh baris mengejutkan dari Marcos del Pozo Banos: “Saya tidak tahu langkah menulis kode dalam R atau Python”.

Ini jenaka dan jujur, tetapi seperti yang saya temukan secara bertahap selama lokakarya – sangat realistis.

Sedikit tentang diri saya – Saya seorang NIHR Academic Clinical Fellow di Psikiatri. Namun, saya menganggap diri saya sebagai sangat peneliti karir dini (ECR), terutama dalam ilmu data. Penelitian saya bertujuan buat mengeksplorasi hubungan imunologi antara kesehatan fisik dan mental. Dalam melakukannya, saya beralih ke data besar buat mendapatkan jawaban dan mendaki kurva pembelajaran curam yang menyertai pengejaran ini.

Saya selalu menemukan pemrograman sangat menakutkan. Saya menghadiri lokakarya MQ Datamind buat memulai terjun ke ilmu data. Meskipun akademisi dan paham sekali informasi yakni mayoritas penonton, Marcos membuatnya bisa diakses. dia memperkenalkan pemrograman pada dasarnya sebagai tindakan berkomunikasi dengan komputer dalam jumlah.

Saya menemukan lembar kerja/latihan Marcos di Kaggle sebagai wawasan konkret tentang pikiran seorang programmer dan sumber daya yang berguna buat dirujuk kembali di masa depan. Seluruh proses dipecah menjadi langkah-langkah kecil, bergabung dengan pernyataan: “sekarang saya akan mencari kode yang relevan di internet”. Beberapa peneliti yang saya ajak bicara sejak itu telah mengkonfirmasi bahwa ini sebenarnya ialah bagaimana mereka mengkodekan dalam R!

Tapi tentu saja – ilmu data lebih dari sekadar menghitung tanda atau lambang sebagai pengganti nomor dan menulis (atau menemukan kode). Bahkan pada hari lokakarya, kami diperkenalkan dengan beberapa contoh fantastis tentang bagaimana perawatan klinis dan penelitian NHS bisa diubah dengan menanamkan proses, orang, dan keahlian ke dalam proses yang hadir (Johnny Downs dan Pauline Whelan).

Konferensi hari berikutnya menawarkan lebih banyak wawasan tentang ilmu data. Greg Farber dari NIMH mengajukan beberapa pertanyaan penting tentang interoperabilitas data yang kami kumpulkan dan upaya buat mengoordinasikannya. Ini selanjutnya dibantah oleh panel Pendanaan Kesehatan Mental (Wellcome Trust, MQ, NIHR), yang membahas upaya seiring dari raga-raga pendanaan dalam memfasilitasi interoperabilitas data dan berbagai inisiatif ilmu data seperti Wellcome Data Prize. Sebagai ECR, sangat menarik buat mendapatkan wawasan tentang proses pengambilan keputusan dari raga pendanaan dan proses aplikasi hibah dan fellowship (yang sering ditakuti).

Andrew Morris dari Health Data Research UK (HDR UK) kemudian memberikan wawasan yang menginspirasi tentang infrastruktur ilmu data yang tersedia di Inggris. Menghubungkan kembali ke tema interoperabilitas data sebelumnya, kami diperkenalkan dengan dampak HDR UK pada perawatan kesehatan, terutama pada COVID-19, dengan menyediakan kumpulan data besar yang memungkinkan penelitian terobosan.

Kami kemudian diperkenalkan tentang bagaimana data dikumpulkan melalui contoh-contoh menakjubkan dari MindKind (Mina Fazel) dan Studi GLAD (Thalia Eley). MindKind ialah contoh yang bagus dari produksi seiring, yang melibatkan kaum belia dalam langkah dan data apa yang dikumpulkan dan bagaimana data itu digunakan. bagus MindKind dan GLAD ialah contoh yang bagus tentang bagaimana menggunakan jangkauan media sosial sembari menyadari jebakan, seperti potensi bias rekrutmen.

Saya merasa sangat menarik buat memandang begitu banyak aplikasi ilmu data dalam kesehatan mental. Sorotan khusus bagi saya ialah:

• Menghubungkan catatan perawatan sosial dan kesehatan (DWP, merawat bocil-bocil)
• Model prediksi risiko buat hasil kesehatan mental (Emmanuele Osimo, Ben Perry)
• ciptaan poster dan gaya presentasi rekan peneliti yang sangat bagus. (Disebutkan secara khusus kepada Max Taquet buat presentasi yang sangat halus dan mudah diakses tentang temuannya seputar kabut otak COVID-19).

Akhirnya, saya meninggalkan dengan pengingat penting bahwa di bawah lapisan (kebanyakan) data agnostik – ialah kehidupan konkret. Seperti yang dikatakan Ann John saat memperkenalkan John Niven, kita harus ingat bahwa dalam ilmu data, kita menggunakan uang publik dan data yang dipercayakan kepada kita oleh orang-orang konkret dengan kehidupan konkret yang akan terpengaruh oleh temuan dan implementasi penelitian kita. John memberi kami kisah yang menyentuh, jujur, dan memilukan tentang kematian saudaranya karena bunuh diri lebih dari satu dekade lalu, yang membikin kami menangis dan bahkan mendapat tepuk tangan meriah.

Secara keseluruhan, ini ialah lokakarya dan konferensi fantastis yang jauh melebihi impian saya dan yang akan sangat saya rekomendasikan kepada sesama ECR. Sebagai catatan pribadi, saya sekarang telah menerima kumpulan data besar yang akan saya kerjakan sebagai bagian dari proyek pertama saya. Saya akan mengambil kursus tentang Pengacakan Mendel, yang akan sangat bergantung pada keterampilan pemrograman dasar saya. Saya meliput peluang nasional dan lokal buat data yang mungkin berguna buat proyek masa depan saya. Semoga saya punya sesuatu buat dibagikan di acara MQ DataMind berikutnya!