NLM Scrubber: Die NLM-Softwareanwendung zur Anonymisierung klinischer Textdokumente
NLM Scrubber: Die Softwareanwendung von NLM zur Anonymisierung klinischer Textdokumente
Hintergrund: Elektronische Patientenakten enthalten eine Unmenge an Daten über Krankheiten und Behandlungen. Forscher könnten diese Daten verwenden, um ihre Ideen zu testen, aber sie müssten Aufzeichnungen von mehr als nur ihrer eigenen Patientengruppe verwenden. Der Zugriff auf diese Aufzeichnungen ist jedoch eingeschränkt, um die Privatsphäre der Patienten zu gewährleisten.
Die U.S. National Library of Medicine (NLM) hat ein Computertool namens NLM Scrubber entwickelt. Dieses Programm erkennt und löscht persönliche Informationen aus Gesundheitsakten. Die Forscher, die dieses Programm entwickelt haben, benötigen nun Zugriff auf die Originalaufzeichnungen. Auf diese Weise können sie sehen, wie gut das Programm persönliche Informationen aus Patientenakten entfernt und wie sie diese genauer machen können.
Ziele:
Wege zur Verbesserung der Anonymisierung klinischer Texte zu finden.
Teilnahmeberechtigung:
Keine neuen Teilnehmer. Die Forscher werden bereits erhobene Daten überprüfen.
Design:
Die Forscher werden eine Zufallsstichprobe von Berichten sammeln. Diese werden von verschiedenen Ärzten in verschiedenen Bereichen stammen.
Forscher werden persönliche Informationen manuell aus den Aufzeichnungen entfernen.
Forscher werden auch automatisch persönliche Informationen aus Originalaufzeichnungen entfernen, indem sie NLM-Scrubber verwenden.
Die Forscher werden die Ergebnisse des Computerprogramms mit den manuellen Änderungen vergleichen. Sie werden feststellen, wenn das Programm persönliche Informationen nicht korrekt entfernt hat. Sie werden auch bemerken, wenn das Programm unpersönliche Gesundheitsinformationen fälschlicherweise gelöscht hat.
Die Forscher werden die Ergebnisse verwenden, um das Programm zu überarbeiten. Sie werden es weiter testen, bis der De-Identifikationsprozess abgeschlossen ist.
...
Studienübersicht
Status
Bedingungen
Detaillierte Beschreibung
Diese Studie befasst sich mit der Qualitätsbewertung, Verbesserung und Überwachung einer automatischen Softwareanwendung zur Anonymisierung klinischer Texte namens NLM Scrubber, die an der National Library of Medicine (NLM) entwickelt wurde. Die Anwendung wurde so entwickelt, dass klinische Berichte in sekundären wissenschaftlichen Studien (d. h. zur sekundären Verwendung) verwendet werden können, ohne die Privatsphäre der Patienten zu verletzen. Untersuchungen zu Methoden zum Schutz der Privatsphäre von Patienten und zur Entwicklung von NLM Scrubber wurden unter Einhaltung der Richtlinien von und in Übereinstimmung mit HIPAA und dem Datenschutzgesetz durchgeführt.
Um den NLM Scrubber weiterzuentwickeln und zu verbessern und seine De-Identifikationsleistung effektiv zu bewerten, benötigen die Ermittler die originalen / nicht redigierten Proben aus allen potenziellen Arten und Quellen klinischer Berichte. Zu diesem Zweck wurden NLM-Ermittler eingesetzt
Zusammenarbeit mit Einrichtungen innerhalb der NIH, nämlich dem NIH Clinical Center, BTRIS und NCI sowie externen Einrichtungen, dem von der University of Kentucky verwalteten Kentucky State Registry und Forschern der University of Pittsburgh, die ihr Interesse an der Integration von NLM bekundet haben
Scrubber zu ihrer Anwendung namens Text Information Extraction System. Diese Einheiten sammeln Proben verschiedener Arten von klinischen Berichten, um die Leistung des NLM-Scrubbers zu bewerten und zu verbessern. Allerdings benötigen wir zur Beurteilung auch Zugang zu den Originaldaten
potenzielle Probleme und verbessern die Genauigkeit von NLM Scrubber.
Studientyp
Einschreibung (Geschätzt)
Kontakte und Standorte
Studienorte
-
-
Maryland
-
Bethesda, Maryland, Vereinigte Staaten
- National Library of Medicine
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
- Keine Neuanmeldung von Teilnehmern. Die Forscher werden bereits erhobene Daten überprüfen.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Beobachtungsmodelle: Sonstiges
- Zeitperspektiven: Retrospektive
Kohorten und Interventionen
Gruppe / Kohorte |
|---|
|
1
Alle, für die ein Clinical Narrative Report erstellt wird.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Die Rate der Anonymisierung von PII
Zeitfenster: 01.01.2017-31.01.2027
|
Die HIPAA-Datenschutzregel definiert 18 Arten von personenbezogenen Daten, die anonymisiert werden müssen, darunter Personennamen, Adressen, wichtige Daten und numerische Kennungen (z. B. Sozialversicherungsnummer).
Unsere Annotatoren beschriften diese Wörter und Zahlen, wodurch ein Goldstandard entsteht, und NLM-Scrubber versucht, sie alle zu erkennen und zu eliminieren.
Die Rate der Anonymisierung von personenbezogenen Daten bezieht sich auf den Erfolg dieser Ergebnismessung.
|
01.01.2017-31.01.2027
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Die Rate irrtümlich redigierter klinischer Informationen
Zeitfenster: 01.01.2017-31.01.2027
|
Während NLM-Scrubber versucht, nur PII-Elemente zu eliminieren, während nicht identifizierende Studiendaten erhalten bleiben, löscht es versehentlich auch einige der nicht identifizierenden Studiendatenelemente (nicht geschützte Gesundheitsinformationen).
Die Rate fälschlicherweise redigierter klinischer Informationen bezieht sich auf das Versagen von NLM-Scrubber bei der Aufbewahrung nicht identifizierender Gesundheitsinformationen.
|
01.01.2017-31.01.2027
|
Mitarbeiter und Ermittler
Ermittler
- Hauptermittler: Mehmet M Kayaalp, Ph.D., National Library of Medicine (NLM)
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Kayaalp M. Patient Privacy in the Era of Big Data. Balkan Med J. 2018 Jan 20;35(1):8-17. doi: 10.4274/balkanmedj.2017.0966. Epub 2017 Sep 13.
- Kayaalp M, Browne AC, Dodd ZA, Sagan P, McDonald CJ. De-identification of Address, Date, and Alphanumeric Identifiers in Narrative Clinical Reports. AMIA Annu Symp Proc. 2014 Nov 14;2014:767-76. eCollection 2014.
- Kayaalp M, Browne AC, Callaghan FM, Dodd ZA, Divita G, Ozturk S, McDonald CJ. The pattern of name tokens in narrative clinical text and a comparison of five systems for redacting them. J Am Med Inform Assoc. 2014 May-Jun;21(3):423-31. doi: 10.1136/amiajnl-2013-001689. Epub 2013 Sep 11.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn
Primärer Abschluss (Geschätzt)
Studienabschluss (Geschätzt)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Geschätzt)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Andere Studien-ID-Nummern
- 999916122
- 16-LM-N122
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Beschreibung des IPD-Plans
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .