NLM Scrubber: aplicación de software de NLM para desidentificar documentos de texto clínicos
Antecedentes: La historia clínica electrónica contiene una gran cantidad de datos sobre enfermedades y tratamientos. Los investigadores podrían usar estos datos para probar sus ideas, pero necesitarían usar registros de más de su propio grupo de pacientes. Pero el acceso a esos registros está restringido para garantizar la privacidad del paciente.
La Biblioteca Nacional de Medicina de EE. UU. (NLM) ha creado una herramienta informática llamada NLM Scrubber. Este programa reconoce y elimina la información personal de los registros de salud. Los investigadores que desarrollaron este programa ahora necesitan acceder a los registros originales. Esto les permitirá ver qué tan bien el programa elimina la información personal de los registros de los pacientes y cómo pueden hacerlo más preciso.
Objetivos:
Encontrar formas de mejorar la desidentificación de textos clínicos.
Elegibilidad:
Sin nuevos participantes. Los investigadores revisarán los datos que ya han sido recopilados.
Diseño:
Los investigadores recopilarán una muestra aleatoria de informes. Estos serán de diferentes médicos en diferentes campos.
Los investigadores eliminarán manualmente la información personal de los registros.
Los investigadores también eliminarán automáticamente la información personal de los registros originales utilizando NLM-Scrubber.
Los investigadores compararán los resultados del programa de computadora con los cambios manuales. Notarán cuando el programa no haya estado eliminando la información personal correctamente. También notarán cuando el programa haya borrado incorrectamente información de salud no personal.
Los investigadores utilizarán los resultados para revisar el programa. Seguirán probándolo hasta que se complete el proceso de desidentificación.
...
Descripción general del estudio
Estado
Condiciones
Descripción detallada
Este estudio trata sobre la evaluación de la calidad, la mejora y el seguimiento de una aplicación de software de desidentificación automática de textos clínicos llamada NLM Scrubber, que ha sido desarrollada en la Biblioteca Nacional de Medicina (NLM). La aplicación se ha desarrollado para que los informes clínicos se puedan utilizar en estudios científicos secundarios (es decir, para uso secundario) sin violar la privacidad del paciente. Se han realizado investigaciones sobre métodos para proteger la privacidad del paciente y sobre el desarrollo de NLM Scrubber siguiendo las pautas y en cumplimiento de HIPAA y la Ley de Privacidad.
Para seguir desarrollando y mejorando NLM Scrubber y evaluar su rendimiento de desidentificación de manera efectiva, los investigadores requieren las muestras originales/no redactadas de todos los tipos y fuentes de informes clínicos potenciales. Con este fin, los investigadores de la NLM han sido
colaborando con entidades dentro de NIH, a saber, NIH Clinical Center, BTRIS y NCI, así como entidades externas, Kentucky State Registry administrado por University of Kentucky e investigadores de University of Pittsburgh, quienes manifestaron su interés en integrar NLM
Scrubber a su aplicación llamada Sistema de extracción de información de texto. Estas entidades recopilan muestras de varios tipos de informes clínicos para evaluar y mejorar el rendimiento de NLM Scrubber. Sin embargo, también necesitamos acceso a los datos originales para evaluar
problemas potenciales y mejorar la precisión de NLM Scrubber.
Tipo de estudio
Inscripción (Estimado)
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
Maryland
-
Bethesda, Maryland, Estados Unidos
- National Library of Medicine
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
- No hay inscripción de nuevos participantes. Los investigadores revisarán los datos que ya han sido recopilados.
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
- Modelos observacionales: Otro
- Perspectivas temporales: Retrospectivo
Cohortes e Intervenciones
Grupo / Cohorte |
|---|
|
1
Todas aquellas personas para las que se elabora un informe narrativo clínico.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
La tasa de desidentificación de PII
Periodo de tiempo: 01/01/2017-31/01/2027
|
La regla de privacidad de HIPAA define 18 tipos de información de identificación personal, que deben anonimizarse, que incluyen nombres personales, direcciones, fechas significativas, identificadores numéricos (como el número de seguro social).
Nuestros anotadores etiquetan esas palabras y números creando un estándar de oro y NLM-Scrubber intenta reconocerlos y eliminarlos a todos.
La tasa de desidentificación de PII se refiere al éxito de esta medida de resultado.
|
01/01/2017-31/01/2027
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
La tasa de información clínica redactada erróneamente
Periodo de tiempo: 01/01/2017-31/01/2027
|
Si bien NLM-Scrubber intenta eliminar solo los elementos PII mientras conserva los datos del estudio que no identifican, también elimina sin darse cuenta algunos de los elementos de los datos del estudio que no identifican (información de salud no protegida).
La tasa de información clínica redactada erróneamente se refiere a la falla de NLM-Scrubber en la preservación de la información de salud no identificable.
|
01/01/2017-31/01/2027
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Investigador principal: Mehmet M Kayaalp, Ph.D., National Library of Medicine (NLM)
Publicaciones y enlaces útiles
Publicaciones Generales
- 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.
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio
Finalización primaria (Estimado)
Finalización del estudio (Estimado)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Estimado)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Palabras clave
Otros números de identificación del estudio
- 999916122
- 16-LM-N122
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Descripción del plan IPD
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .