Promotie E.A. (Erica) Voss

Korte samenvatting:

Deze thesis gaat op een transformerende reis, vergelijkbaar met het dirigeren van een orkest, waarbij de symfonie van bewijsvoering van ruwe data tot verfijnde inzichten wordt georkestreerd. De thesis is verdeeld in twee delen.

Het eerste deel heeft als doel ons begrip te verbeteren van de wetenschappelijke principes die ten grondslag liggen aan datastandaardisatie, waardoor grootschalige bewijsgeneratie mogelijk wordt. De nadruk ligt op het verkrijgen van inzichten in het Extract, Transform, and Load (ETL) proces en de beoordeling van datakwaliteit wanneer dit proces wordt uitgevoerd over meerdere Common Data Models (CDMs). Daarnaast wordt de haalbaarheid onderzocht van het formuleren van onderzoeksvragen direct vanuit deze nieuwe CDMs.

Het tweede deel beoogt de haalbaarheid te beoordelen van het automatiseren van het proces van het identificeren van negatieve controles voor het kalibreren van analytische resultaten bij het onderzoeken van causale verbanden met gestandaardiseerde data. Hier ligt de nadruk op het automatiseren van de identificatie van negatieve controles, het begrijpen van de gevolgen van foutieve selecties, en het onderzoeken van de praktische toepassing van negatieve controles die via geautomatiseerde methoden in real-world scenario's zijn gekozen.

Tot slot omvat deze thesis een reis door de complexiteit van gestandaardiseerde data en gekalibreerd bewijs, waarbij de fundamentenworden blootgelegd die essentieel zijn voor robuust observationeel onderzoek.