NLM Scrubber: de softwaretoepassing van NLM om klinische tekstdocumenten te de-identificeren
Achtergrond: Elektronische medische dossiers bevatten een enorme hoeveelheid gegevens over ziekten en behandelingen. Onderzoekers zouden deze gegevens kunnen gebruiken om hun ideeën te testen, maar ze zouden gegevens van meer dan alleen hun eigen patiëntengroep moeten gebruiken. Maar de toegang tot die dossiers is beperkt om de privacy van de patiënt te waarborgen.
De Amerikaanse National Library of Medicine (NLM) heeft een computertool gemaakt met de naam NLM Scrubber. Dit programma herkent en verwijdert persoonlijke informatie uit medische dossiers. De onderzoekers die dit programma hebben ontwikkeld, hebben nu toegang nodig tot de originele records. Hierdoor kunnen ze zien hoe goed het programma persoonlijke informatie uit patiëntendossiers verwijdert en hoe ze deze nauwkeuriger kunnen maken.
Doelstellingen:
Manieren vinden om de de-identificatie van klinische teksten te verbeteren.
Geschiktheid:
Geen nieuwe deelnemers. Onderzoekers zullen gegevens bekijken die al zijn verzameld.
Ontwerp:
Onderzoekers verzamelen een willekeurige steekproef van rapporten. Deze zullen van verschillende artsen op verschillende gebieden zijn.
Onderzoekers zullen persoonlijke informatie handmatig uit de records verwijderen.
Onderzoekers verwijderen ook automatisch persoonlijke informatie uit originele records met behulp van NLM-Scrubber.
Onderzoekers zullen de resultaten van het computerprogramma vergelijken met de handmatige wijzigingen. Ze zullen opmerken wanneer het programma persoonlijke informatie niet correct heeft verwijderd. Ze zullen ook opmerken wanneer het programma niet-persoonlijke gezondheidsinformatie onjuist heeft verwijderd.
Onderzoekers zullen de resultaten gebruiken om het programma te herzien. Ze blijven het testen totdat het de-identificatieproces is voltooid.
...
Studie Overzicht
Toestand
Gedetailleerde beschrijving
Deze studie gaat over de kwaliteitsbeoordeling, verbetering en monitoring van een softwaretoepassing voor automatische de-identificatie van klinische tekst, NLM Scrubber genaamd, die is ontwikkeld bij de National Library of Medicine (NLM). De applicatie is zo ontwikkeld dat klinische rapporten kunnen worden gebruikt in secundair wetenschappelijk onderzoek (d.w.z. voor secundair gebruik) zonder de privacy van de patiënt te schenden. Onderzoek naar methoden voor het beschermen van de privacy van patiënten en naar de ontwikkeling van NLM Scrubber is uitgevoerd volgens de richtlijnen van en in overeenstemming met HIPAA en de Privacywet.
Om NLM Scrubber verder te ontwikkelen en te verbeteren en de de-identificatieprestaties effectief te beoordelen, hebben de onderzoekers de originele / niet-geredigeerde monsters nodig van alle mogelijke klinische rapporttypes en bronnen. Daartoe zijn NLM-rechercheurs geweest
samenwerken met entiteiten binnen NIH, namelijk NIH Clinical Center, BTRIS en NCI, evenals externe entiteiten, Kentucky State Registry beheerd door University of Kentucky en onderzoekers van de University of Pittsburgh, die hun interesse in integratie van NLM kenbaar maakten
Scrubber naar hun applicatie genaamd Text Information Extraction System. Deze entiteiten verzamelen monsters van verschillende soorten klinische rapporten om de prestaties van NLM Scrubber te beoordelen en te verbeteren. We hebben echter ook toegang tot de originele gegevens nodig om te kunnen beoordelen
potentiële problemen en verbeter de nauwkeurigheid van NLM Scrubber.
Studietype
Inschrijving (Geschat)
Contacten en locaties
Studie Locaties
-
-
Maryland
-
Bethesda, Maryland, Verenigde Staten
- National Library of Medicine
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
- Geen nieuwe deelnemersinschrijving. Onderzoekers zullen gegevens bekijken die al zijn verzameld.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
- Observatiemodellen: Ander
- Tijdsperspectieven: Retrospectief
Cohorten en interventies
Groep / Cohort |
|---|
|
1
Iedereen voor wie een klinisch verhalend rapport wordt gemaakt.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
De mate van de-identificatie van PII
Tijdsspanne: 01/01/2017-01/31/2027
|
De HIPAA-privacyregel definieert 18 soorten persoonlijk identificeerbare informatie die moet worden geanonimiseerd, waaronder persoonsnamen, adressen, significante datums en numerieke identificatiegegevens (zoals burgerservicenummer).
Onze annotators labelen die woorden en nummers en creëren een gouden standaard en NLM-Scrubber probeert ze allemaal te herkennen en te elimineren.
De mate van de-identificatie van PII verwijst naar het succes van deze uitkomstmaat.
|
01/01/2017-01/31/2027
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Het aantal foutief geredigeerde klinische informatie
Tijdsspanne: 01/01/2017-01/31/2027
|
Hoewel NLM-Scrubber alleen PII-elementen probeert te verwijderen terwijl niet-identificerende onderzoeksgegevens behouden blijven, verwijdert het onbedoeld ook enkele van de niet-identificerende onderzoeksgegevenselementen (niet-beschermde gezondheidsinformatie).
De snelheid van ten onrechte geredigeerde klinische informatie verwijst naar het falen van NLM-Scrubber bij het bewaren van niet-identificerende gezondheidsinformatie.
|
01/01/2017-01/31/2027
|
Medewerkers en onderzoekers
Onderzoekers
- Hoofdonderzoeker: Mehmet M Kayaalp, Ph.D., National Library of Medicine (NLM)
Publicaties en nuttige links
Algemene publicaties
- 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.
Studie record data
Bestudeer belangrijke data
Studie start
Primaire voltooiing (Geschat)
Studie voltooiing (Geschat)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Geschat)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Andere studie-ID-nummers
- 999916122
- 16-LM-N122
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Beschrijving IPD-plan
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .