NLM Scrubber : application logicielle de NLM pour anonymiser les documents textuels cliniques
Contexte : Les dossiers de santé électroniques contiennent une grande quantité de données sur les maladies et les traitements. Les chercheurs pourraient utiliser ces données pour tester leurs idées, mais ils auraient besoin d'utiliser des dossiers provenant de plus que leur propre groupe de patients. Mais l'accès à ces dossiers est restreint pour garantir la confidentialité des patients.
La National Library of Medicine (NLM) des États-Unis a créé un outil informatique appelé NLM Scrubber. Ce programme reconnaît et supprime les informations personnelles des dossiers de santé. Les chercheurs qui ont développé ce programme ont maintenant besoin d'accéder aux enregistrements originaux. Cela leur permettra de voir dans quelle mesure le programme supprime les renseignements personnels des dossiers des patients et comment ils peuvent les rendre plus précis.
Objectifs:
Trouver des moyens d'améliorer l'anonymisation des textes cliniques.
Admissibilité:
Pas de nouveaux participants. Les chercheurs examineront les données qui ont déjà été recueillies.
Conception:
Les chercheurs recueilleront un échantillon aléatoire de rapports. Ceux-ci proviendront de différents médecins dans différents domaines.
Les chercheurs supprimeront manuellement les informations personnelles des dossiers.
Les chercheurs supprimeront également automatiquement les informations personnelles des enregistrements originaux à l'aide de NLM-Scrubber.
Les chercheurs compareront les résultats du programme informatique par rapport aux modifications manuelles. Ils noteront quand le programme n'a pas supprimé correctement les informations personnelles. Ils noteront également lorsque le programme a supprimé de manière incorrecte des informations de santé non personnelles.
Les chercheurs utiliseront les résultats pour réviser le programme. Ils continueront à le tester jusqu'à ce que le processus de désidentification soit terminé.
...
Aperçu de l'étude
Statut
Les conditions
Description détaillée
Cette étude porte sur l'évaluation, l'amélioration et la surveillance de la qualité d'une application logicielle automatique de désidentification de texte clinique appelée NLM Scrubber, qui a été développée à la National Library of Medicine (NLM). L'application a été développée pour que les rapports cliniques puissent être utilisés dans des études scientifiques secondaires (c'est-à-dire pour un usage secondaire) sans porter atteinte à la vie privée des patients. Des recherches sur les méthodes de protection de la vie privée des patients et sur le développement de NLM Scrubber ont été menées en suivant les directives et en conformité avec HIPAA et la loi sur la protection des renseignements personnels.
Afin de développer et d'améliorer davantage NLM Scrubber et d'évaluer efficacement ses performances d'anonymisation, les enquêteurs ont besoin des échantillons originaux / non expurgés de tous les types et sources de rapports cliniques potentiels. À cette fin, les enquêteurs de la NLM ont été
collaborer avec des entités au sein des NIH, à savoir le NIH Clinical Center, le BTRIS et le NCI ainsi que des entités extérieures, le Kentucky State Registry administré par l'Université du Kentucky et des chercheurs de l'Université de Pittsburgh, qui ont manifesté leur intérêt pour l'intégration de la NLM
Scrubber à leur application appelée Text Information Extraction System. Ces entités collectent des échantillons de divers types de rapports cliniques pour évaluer et améliorer les performances du NLM Scrubber. Cependant, nous avons également besoin d'accéder aux données originales afin d'évaluer
problèmes potentiels et améliorer la précision de NLM Scrubber.
Type d'étude
Inscription (Estimé)
Contacts et emplacements
Lieux d'étude
-
-
Maryland
-
Bethesda, Maryland, États-Unis
- National Library of Medicine
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
- Aucune nouvelle inscription de participant. Les chercheurs examineront les données qui ont déjà été recueillies.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Modèles d'observation: Autre
- Perspectives temporelles: Rétrospective
Cohortes et interventions
Groupe / Cohorte |
|---|
|
1
Toute personne pour qui un rapport narratif clinique est créé.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Le taux de désidentification des PII
Délai: 01/01/2017-31/01/2027
|
La règle de confidentialité HIPAA définit 18 types d'informations d'identification personnelle, qui doivent être anonymisées, notamment les noms personnels, les adresses, les dates importantes, les identifiants numériques (tels que le numéro de sécurité sociale).
Nos annotateurs étiquettent ces mots et ces chiffres en créant un étalon-or et NLM-Scrubber essaie de les reconnaître et de les éliminer tous.
Le taux d'anonymisation des PII fait référence au succès de cette mesure de résultat.
|
01/01/2017-31/01/2027
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Le taux d'informations cliniques censurées par erreur
Délai: 01/01/2017-31/01/2027
|
Alors que NLM-Scrubber essaie d'éliminer uniquement les éléments PII tout en préservant les données d'étude non identifiantes, il supprime également par inadvertance certains des éléments de données d'étude non identifiants (informations de santé non protégées).
Le taux d'informations cliniques supprimées par erreur fait référence à l'échec de NLM-Scrubber à préserver les informations de santé non identifiantes.
|
01/01/2017-31/01/2027
|
Collaborateurs et enquêteurs
Parrainer
Les enquêteurs
- Chercheur principal: Mehmet M Kayaalp, Ph.D., National Library of Medicine (NLM)
Publications et liens utiles
Publications générales
- 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.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude
Achèvement primaire (Estimé)
Achèvement de l'étude (Estimé)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Estimé)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Mots clés
Autres numéros d'identification d'étude
- 999916122
- 16-LM-N122
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .