NLM Scrubber: l'applicazione software NLM per l'anonimizzazione dei documenti di testo clinici
Scrubber NLM: applicazione software NLM per l'anonimizzazione dei documenti di testo clinici
Contesto: le cartelle cliniche elettroniche contengono una grande quantità di dati su malattie e cure. I ricercatori potrebbero utilizzare questi dati per testare le loro idee, ma avrebbero bisogno di utilizzare i record di più del proprio gruppo di pazienti. Ma l'accesso a tali registri è limitato per garantire la privacy dei pazienti.
La National Library of Medicine (NLM) degli Stati Uniti ha creato uno strumento informatico chiamato NLM Scrubber. Questo programma riconosce ed elimina le informazioni personali dalle cartelle cliniche. I ricercatori che hanno sviluppato questo programma ora hanno bisogno di accedere ai documenti originali. Ciò consentirà loro di vedere quanto bene il programma rimuove le informazioni personali dalle cartelle dei pazienti e come possono renderle più accurate.
Obiettivi:
Trovare modi per migliorare l'anonimizzazione del testo clinico.
Eleggibilità:
Nessun nuovo partecipante. I ricercatori esamineranno i dati che sono già stati raccolti.
Progetto:
I ricercatori raccoglieranno un campione casuale di rapporti. Questi proverranno da diversi medici in diversi campi.
I ricercatori rimuoveranno manualmente le informazioni personali dai record.
I ricercatori rimuoveranno anche automaticamente le informazioni personali dai record originali utilizzando NLM-Scrubber.
I ricercatori confronteranno i risultati del programma per computer rispetto alle modifiche manuali. Noteranno quando il programma non ha rimosso correttamente le informazioni personali. Noteranno anche quando il programma ha eliminato in modo errato le informazioni sulla salute non personali.
I ricercatori utilizzeranno i risultati per rivedere il programma. Continueranno a testarlo fino al completamento del processo di anonimizzazione.
...
Panoramica dello studio
Stato
Condizioni
Descrizione dettagliata
Questo studio riguarda la valutazione, il miglioramento e il monitoraggio della qualità di un'applicazione software di anonimizzazione automatica del testo clinico chiamata NLM Scrubber, che è stata sviluppata presso la National Library of Medicine (NLM). L'applicazione è stata sviluppata in modo che i rapporti clinici possano essere utilizzati in studi scientifici secondari (ovvero per uso secondario) senza violare la privacy del paziente. La ricerca sui metodi per proteggere la privacy del paziente e sullo sviluppo di NLM Scrubber è stata condotta seguendo le linee guida e in conformità con HIPAA e Privacy Act.
Al fine di sviluppare e migliorare ulteriormente NLM Scrubber e valutare efficacemente le sue prestazioni di anonimizzazione, gli investigatori richiedono i campioni originali/non modificati da tutti i potenziali tipi e fonti di rapporti clinici. A tal fine, gli investigatori NLM sono stati
collaborando con entità all'interno di NIH, vale a dire, NIH Clinical Center, BTRIS e NCI, nonché entità esterne, Kentucky State Registry amministrato dall'Università del Kentucky e ricercatori dell'Università di Pittsburgh, che hanno dichiarato il loro interesse per l'integrazione della NLM
Scrubber alla loro applicazione chiamata Text Information Extraction System. Queste entità raccolgono campioni di vari tipi di report clinici per valutare e migliorare le prestazioni di NLM Scrubber. Tuttavia abbiamo anche bisogno di accedere ai dati originali per valutare
potenziali problemi e migliorare la precisione di NLM Scrubber.
Tipo di studio
Iscrizione (Stimato)
Contatti e Sedi
Luoghi di studio
-
-
Maryland
-
Bethesda, Maryland, Stati Uniti
- National Library of Medicine
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Descrizione
- Nessuna nuova iscrizione di partecipanti. I ricercatori esamineranno i dati che sono già stati raccolti.
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
- Modelli osservazionali: Altro
- Prospettive temporali: Retrospettiva
Coorti e interventi
Gruppo / Coorte |
|---|
|
1
Tutti coloro per i quali viene creato un resoconto narrativo clinico.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Il tasso di anonimizzazione delle PII
Lasso di tempo: 01/01/2017-31/01/2027
|
La regola sulla privacy HIPAA definisce 18 tipi di informazioni di identificazione personale, che devono essere deidentificate, che includono nomi personali, indirizzi, date significative, identificatori numerici (come il numero di previdenza sociale).
I nostri annotatori etichettano quelle parole e numeri creando un gold standard e NLM-Scrubber cerca di riconoscerli ed eliminarli tutti.
Il tasso di anonimizzazione delle PII si riferisce al successo di questa misura di esito.
|
01/01/2017-31/01/2027
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Il tasso di informazioni cliniche redatte erroneamente
Lasso di tempo: 01/01/2017-31/01/2027
|
Mentre NLM-Scrubber tenta di eliminare solo gli elementi PII conservando i dati di studio non identificativi, inavvertitamente elimina anche alcuni degli elementi di dati di studio non identificativi (informazioni sanitarie non protette).
Il tasso di informazioni cliniche redatte erroneamente si riferisce al fallimento di NLM-Scrubber nel preservare informazioni sanitarie non identificative.
|
01/01/2017-31/01/2027
|
Collaboratori e investigatori
Investigatori
- Investigatore principale: Mehmet M Kayaalp, Ph.D., National Library of Medicine (NLM)
Pubblicazioni e link utili
Pubblicazioni generali
- 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.
Studiare le date dei record
Studia le date principali
Inizio studio
Completamento primario (Stimato)
Completamento dello studio (Stimato)
Date di iscrizione allo studio
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Stimato)
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Altri numeri di identificazione dello studio
- 999916122
- 16-LM-N122
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Descrizione del piano IPD
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .