Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Healthy Data: Improving Health Information Quality Using Intelligent Systems

6. december 2021 opdateret af: Obinwa Ozonze, University of Portsmouth

Collection of Electronic Health Records (EHR) for Validation of Artificial Intelligence Based Tool for Data Quality Assessment

Electronic Health Record Systems (EHR) play an integral role in healthcare practice, enabling health organisations to collect, access and manage data more consistently. There is also a great deal of interest in using EHR data to improve decision-making and accelerate medical interventions. However, like all information systems, they are prone to data quality problems such as incomplete records, values outside normal ranges and implausible relationships. These problems are expected to become more prevalent as more organisations adopt electronic health record systems, aggregate, share and explore health data. The investigators believe current efforts to improve health data quality can be made more effective if backed by appropriate technology in the form of a readily accessible intelligent tool. Building on this, the investigators developed an Artificial Intelligence (AI) tool for automating data quality assessment of health data. In this study, the investigators evaluate the AI tool using a real-world dataset.

Studieoversigt

Status

Ikke rekrutterer endnu

Betingelser

Detaljeret beskrivelse

The main aim of this study is to assess the reliability and utility of an AI tool in identifying data quality dimensions of interest for secondary use of health data, including completeness, conformance and plausibility. In assessing this tool, this study will retrospectively analyse data captured during routine clinical care and identify records containing listed data quality dimensions. This study will also assess the consistency of the AI tool in generating and executing data quality checks.

Undersøgelsestype

Observationel

Tilmelding (Forventet)

60000

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiekontakt

Undersøgelse Kontakt Backup

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

  • Barn
  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ja

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Patient records captured by Portsmouth Hospitals University National Health Service Trust (PHU) between 01/01/2020 and 31/12/2020

Beskrivelse

Inclusion Criteria:

  • No specific exclusion criteria

Exclusion Criteria:

  • No specific exclusion criteria

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Data quality dimensions prevalence
Tidsramme: 12 months, between 01/01/2020 and 31/12/2020
The number of patient records identified by the AI tool with completeness, conformance and plausibility violations
12 months, between 01/01/2020 and 31/12/2020
Consistency of AI tool
Tidsramme: 2 months, through study completion
Consistency of AI tool in generating measures for detecting data quality dimensions
2 months, through study completion
Validity of AI tool detection
Tidsramme: 2 months, through study completion
Validity of data quality dimensions identified by the AI tool
2 months, through study completion

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Publikationer og nyttige links

Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (Forventet)

1. februar 2022

Primær færdiggørelse (Forventet)

1. april 2022

Studieafslutning (Forventet)

1. april 2022

Datoer for studieregistrering

Først indsendt

21. november 2021

Først indsendt, der opfyldte QC-kriterier

21. november 2021

Først opslået (Faktiske)

3. december 2021

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

22. december 2021

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

6. december 2021

Sidst verificeret

1. december 2021

Mere information

Begreber relateret til denne undersøgelse

Andre undersøgelses-id-numre

  • UP717295

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .

Kliniske forsøg med Data Quality

3
Abonner