Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

Analyse du traitement du langage naturel (NLP) des notes en texte libre pour enquêter sur le coronavirus (COVID-19)

22 juillet 2021 mis à jour par: Dr Sapna Trivedi, Cambridge University Hospitals NHS Foundation Trust

Une étude de base de données et d'analyse de notes cliniques en texte libre et de données structurées pour enquêter sur les associations de phénotypes avec les résultats chez les patients atteints de COVID-19

Une étude de cohorte rétrospective portant sur des notes cliniques utilisant le traitement du langage naturel en combinaison avec des données structurées du dossier de santé électronique (DSE) pour créer une base de données d'analyse afin d'identifier les caractéristiques associées aux résultats.

Aperçu de l'étude

Statut

Complété

Les conditions

Description détaillée

Les patients admis aux hôpitaux universitaires de Cambridge (CUH) avec le COVID-19 ont fait l'objet d'une documentation clinique de routine et d'une enquête et de tests spécifiques pour le COVID-19. Le parcours de ces patients va des mesures de soutien dans le service à la détérioration nécessitant une admission en unité de thérapie intensive (UTI) et une assistance ventilatoire. Les patients sont également à risque de développer des complications telles que l'insuffisance rénale aiguë et la thromboembolie. L'identification des facteurs de risque pour ces résultats et d'autres tels que la nécessité d'une ventilation reste un défi et l'examen des données cliniques de ces patients est essentiel pour comprendre la relation entre les caractéristiques des patients et les résultats.

Des données sont disponibles dans des champs structurés du DSE, mais elles sont parfois incomplètes et inexactes. Une évaluation des notes cliniques en texte libre offre l'occasion de combler les lacunes et de fournir un ensemble de données beaucoup plus riche pour l'évaluation. Nous prévoyons d'utiliser le traitement du langage naturel (PNL) (un domaine de l'apprentissage automatique qui permet aux ordinateurs d'analyser le langage humain) pour examiner les résumés de sortie des patients admis à l'hôpital avec COVID-19 et convertir les données textuelles libres en données structurées à des fins d'analyse.

Les techniques de PNL développées par l'équipe du Dr Collier incluent des méthodes de codage de textes libres dans SNOMED CT et d'autres ontologies biomédicales. Ces méthodes, basées sur l'apprentissage automatique statistique à partir de textes annotés par l'homme, ont été étalonnées pour les textes scientifiques et les médias sociaux. Dans ce projet, nous avons l'intention d'adapter ces techniques pour les dossiers des patients. Les techniques nécessiteront un certain nombre de dossiers de patients annotés par l'homme afin de s'adapter. La sortie du PNL sera combinée avec des données structurées du DSE et fera l'objet d'une analyse statistique pour identifier les taux de complications chez les patients atteints de COVID-19 et les facteurs de risque associés à ceux-ci. Cela peut aider à orienter les décisions de prise en charge par une intervention plus précoce afin d'éviter de mauvais résultats chez ces patients.

Type d'étude

Observationnel

Inscription (Réel)

200

Contacts et emplacements

Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.

Lieux d'étude

  • Royaume-Uni
      • Cambridge, Royaume-Uni
        • Cambridge University NHS Foundation Trust

Critères de participation

Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.

Critère d'éligibilité

Âges éligibles pour étudier

18 ans à 100 ans (Adulte, Adulte plus âgé)

Accepte les volontaires sains

N/A

Sexes éligibles pour l'étude

Tout

Méthode d'échantillonnage

Échantillon non probabiliste

Population étudiée

Patients admis au Cambridge University Hospitals NHS Foundation Trust avec COVID-19 confirmé

La description

Critère d'intégration:

  • Mâle et femelle
  • Tranche d'âge : 18 à 100 ans
  • Patients admis aux hôpitaux universitaires de Cambridge avec COVID-19 confirmé lors de tests de laboratoire

Critère d'exclusion:

Enfants et patients avec un test COVID négatif.

Plan d'étude

Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.

Comment l'étude est-elle conçue ?

Détails de conception

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
base de données de recherche des dossiers EHR des patients COVID-19 traités à l'aide d'outils NLP pour la reconnaissance et la liaison d'entités nommées adaptées aux données CUH EMR pour identifier les variables d'intérêt
Délai: 1 an
Notre hypothèse principale est que les données extraites par la PNL du résumé de sortie en texte libre peuvent être combinées avec des données structurées du DME pour donner un aperçu du développement des complications. Les patients atteints d'une maladie grave nécessitant une admission à l'ITU et d'une maladie non grave prise en charge dans un service d'hospitalisation seront inclus. Les variables d'intérêt comprendront les caractéristiques du patient et des informations spécifiques liées à la rencontre, y compris la durée du séjour et les enquêtes de base (par exemple, les tests sanguins) et les interventions reçues
1 an

Mesures de résultats secondaires

Mesure des résultats
Délai
Un ensemble de directives d'annotation pour produire des données étiquetées d'expert humain (or) pour un sous-ensemble du DSE
Délai: 6 mois
6 mois
Une comparaison de la sortie NLP aux termes de la liste structurée des problèmes pour identifier les termes manquants dans la liste structurée des problèmes
Délai: 1 an
1 an

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Parrainer

Cambridge University Hospitals NHS Foundation Trust

Collaborateurs

University of Cambridge

Dates d'enregistrement des études

Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.

Dates principales de l'étude

Début de l'étude (Réel)

1 juillet 2020

Achèvement primaire (Réel)

1 juillet 2021

Achèvement de l'étude (Réel)

1 juillet 2021

Dates d'inscription aux études

Première soumission

15 juin 2020

Première soumission répondant aux critères de contrôle qualité

15 juin 2020

Première publication (Réel)

16 juin 2020

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

28 juillet 2021

Dernière mise à jour soumise répondant aux critères de contrôle qualité

22 juillet 2021

Dernière vérification

1 juillet 2021

Plus d'information

Termes liés à cette étude

Mots clés

Termes MeSH pertinents supplémentaires

Autres numéros d'identification d'étude

  • A095625

Informations sur les médicaments et les dispositifs, documents d'étude

Étudie un produit pharmaceutique réglementé par la FDA américaine

Non

Étudie un produit d'appareil réglementé par la FDA américaine

Non

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 .

Essais cliniques sur COVID-19 [feminine]

Rechercher des essais similaires

Sponsors et collaborateurs

Les conditions médicales

Interventions en matière de drogue

CROs by country

CROs in Kenya

Conditions

Maladies rares

Interventions en matière de drogue

Compléments alimentaires

Commanditaire / collaborateurs

Emplacements

3
S'abonner