Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Healthy Data: Improving Health Information Quality Using Intelligent Systems

6. Dezember 2021 aktualisiert von: 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.

Studienübersicht

Status

Noch keine Rekrutierung

Bedingungen

Detaillierte Beschreibung

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.

Studientyp

Beobachtungs

Einschreibung (Voraussichtlich)

60000

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienkontakt

Studieren Sie die Kontaktsicherung

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

  • Kind
  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Ja

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

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

Beschreibung

Inclusion Criteria:

  • No specific exclusion criteria

Exclusion Criteria:

  • No specific exclusion criteria

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Data quality dimensions prevalence
Zeitfenster: 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
Zeitfenster: 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
Zeitfenster: 2 months, through study completion
Validity of data quality dimensions identified by the AI tool
2 months, through study completion

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Publikationen und hilfreiche Links

Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Voraussichtlich)

1. Februar 2022

Primärer Abschluss (Voraussichtlich)

1. April 2022

Studienabschluss (Voraussichtlich)

1. April 2022

Studienanmeldedaten

Zuerst eingereicht

21. November 2021

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

21. November 2021

Zuerst gepostet (Tatsächlich)

3. Dezember 2021

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

22. Dezember 2021

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

6. Dezember 2021

Zuletzt verifiziert

1. Dezember 2021

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Andere Studien-ID-Nummern

  • UP717295

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

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 .

3
Abonnieren