Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

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:

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.

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

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. .

Abonnere