- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT01813942
Plattform for utvinning av medisinsk informasjon fra ufullstendige data
25. oktober 2013 oppdatert av: National Taiwan University Hospital
For å utføre forskning jevnt, er prosessen med informasjonsutvinning nødvendig for å oversette data i klinisk tekst til tilgjengelig format for analyse og statistikk.
I medisinsk forskning forekommer problemet med manglende data ofte.
Det er viktig å utvikle metoden med bedre imputeringsytelse i stabilitet og nøyaktighet.
Formålet med dette prosjektet er å gi dataintegrasjon og utvinningsmetoder for å håndtere de strukturerte og ustrukturerte datakildene på mer effektive måter, å gi valideringsskjemaet for å lette datagjennomgangen av utvunnede resultater produsert av informasjonsekstraksjonsmoduler, for å øke kvaliteten av kliniske data ved å sammenligne dataene fra forskjellige datakilder og korrigere datafeil og inkonsistente, for å håndtere de kliniske dataene med egenskapene til tidsserier og ufullstendighet, for å øke nøyaktigheten av dataanalyse og øke kvaliteten på helsevesenet ved å forbedre fullstendigheten og korrektheten av kliniske data, for å gi fleksibilitet til metoder i plattformen.
I prosjektet er sykdomstemaet fokusert på leverkreftpasientenes kliniske data og vi håper metodene i prosjektene kan utvides til å håndtere andre sykdommer ved å erstatte disse kunnskapsmodellene i fremtiden.
Studieoversikt
Status
Ukjent
Forhold
Detaljert beskrivelse
På grunn av den økende bruken av elektroniske journalsystemer (EMR) er datatilgangen til EMR mer og mer praktisk.
Imidlertid har det fortsatt vanskeligheter med å analysere alle kliniske data direkte på grunn av et stort antall poster som bruker det narrative formatet.
For å utføre forskning jevnt, er prosessen med informasjonsutvinning nødvendig for å oversette data i klinisk tekst til tilgjengelig format for analyse og statistikk.
I medisinsk forskning forekommer problemet med manglende data ofte.
Det er viktig å utvikle metoden med bedre imputeringsytelse i stabilitet og nøyaktighet.
Formålet med dette prosjektet er å gi dataintegrasjon og utvinningsmetoder for å håndtere de strukturerte og ustrukturerte datakildene på mer effektive måter, å gi valideringsskjemaet for å lette datagjennomgangen av utvunnede resultater produsert av informasjonsekstraksjonsmoduler, for å øke kvaliteten av kliniske data ved å sammenligne dataene fra forskjellige datakilder og korrigere datafeil og inkonsistente, for å håndtere de kliniske dataene med egenskapene til tidsserier og ufullstendighet, for å øke nøyaktigheten av dataanalyse og øke kvaliteten på helsevesenet ved å forbedre fullstendigheten og korrektheten av kliniske data, for å gi fleksibilitet til metoder i plattformen.
I prosjektet er sykdomstemaet fokusert på leverkreftpasientenes kliniske data og vi håper metodene i prosjektene kan utvides til å håndtere andre sykdommer ved å erstatte disse kunnskapsmodellene i fremtiden.
Studietype
Observasjonsmessig
Registrering (Forventet)
10000
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
-
Taipei, Taiwan
- Rekruttering
- National Taiwan University Hospital
-
Ta kontakt med:
- Feipei Lai
- Telefonnummer: +886-2-33664924
- E-post: flai@ntu.edu.tw
-
-
Deltakelseskriterier
Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Barn
- Voksen
- Eldre voksen
Tar imot friske frivillige
Nei
Kjønn som er kvalifisert for studier
Alle
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
Pasienter med leverkreft
Beskrivelse
Pasienter med leverkreft
Studieplan
Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.
Hvordan er studiet utformet?
Designdetaljer
- Tidsperspektiver: Retrospektiv
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Antall pasienter korrekt identifisert av residivprediktiv modell
Tidsramme: 3 år
|
Den prediktive residivmodellen er utviklet ved å bruke det ufullstendige datasettet, denne modellen brukes til å forutsi den tilbakevendende statusen til pasienten som mottok den spesifikke behandlingen for leverkreft.
Antall pasienter korrekt identifisert av residivprediktiv modell anses som det primære utfallsmålet.
|
3 år
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Samarbeidspartnere
Etterforskere
- Hovedetterforsker: Feipei Lai, National Taiwan University
Studierekorddatoer
Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.
Studer hoveddatoer
Studiestart
1. mars 2013
Primær fullføring (Forventet)
1. mars 2016
Studiet fullført (Forventet)
1. mars 2016
Datoer for studieregistrering
Først innsendt
5. mars 2013
Først innsendt som oppfylte QC-kriteriene
14. mars 2013
Først lagt ut (Anslag)
19. mars 2013
Oppdateringer av studieposter
Sist oppdatering lagt ut (Anslag)
28. oktober 2013
Siste oppdatering sendt inn som oppfylte QC-kriteriene
25. oktober 2013
Sist bekreftet
1. oktober 2013
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 201302013RINC
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .