Questa pagina è stata tradotta automaticamente e l'accuratezza della traduzione non è garantita. Si prega di fare riferimento al Versione inglese per un testo di partenza.

Healthy Data: Improving Health Information Quality Using Intelligent Systems

6 dicembre 2021 aggiornato da: 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.

Panoramica dello studio

Stato

Non ancora reclutamento

Condizioni

Descrizione dettagliata

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.

Tipo di studio

Osservativo

Iscrizione (Anticipato)

60000

Contatti e Sedi

Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.

Contatto studio

Backup dei contatti dello studio

Criteri di partecipazione

I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.

Criteri di ammissibilità

Età idonea allo studio

  • Bambino
  • Adulto
  • Adulto più anziano

Accetta volontari sani

Sì

Sessi ammissibili allo studio

Tutto

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

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

Descrizione

Inclusion Criteria:

  • No specific exclusion criteria

Exclusion Criteria:

  • No specific exclusion criteria

Piano di studio

Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.

Come è strutturato lo studio?

Dettagli di progettazione

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Data quality dimensions prevalence
Lasso di tempo: 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
Lasso di tempo: 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
Lasso di tempo: 2 months, through study completion
Validity of data quality dimensions identified by the AI tool
2 months, through study completion

Collaboratori e investigatori

Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.

Pubblicazioni e link utili

La persona responsabile dell'inserimento delle informazioni sullo studio fornisce volontariamente queste pubblicazioni. Questi possono riguardare qualsiasi cosa relativa allo studio.

Studiare le date dei record

Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.

Studia le date principali

Inizio studio (Anticipato)

1 febbraio 2022

Completamento primario (Anticipato)

1 aprile 2022

Completamento dello studio (Anticipato)

1 aprile 2022

Date di iscrizione allo studio

Primo inviato

21 novembre 2021

Primo inviato che soddisfa i criteri di controllo qualità

21 novembre 2021

Primo Inserito (Effettivo)

3 dicembre 2021

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

22 dicembre 2021

Ultimo aggiornamento inviato che soddisfa i criteri QC

6 dicembre 2021

Ultimo verificato

1 dicembre 2021

Maggiori informazioni

Termini relativi a questo studio

Altri numeri di identificazione dello studio

  • UP717295

Piano per i dati dei singoli partecipanti (IPD)

Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?

NO

Informazioni su farmaci e dispositivi, documenti di studio

Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti

No

Studia un dispositivo regolamentato dalla FDA degli Stati Uniti

No

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 .

Sottoscrivi