NLM Scrubber: NLMs programvareapplikasjon for å avidentifisere kliniske tekstdokumenter
Bakgrunn: Elektroniske helsejournaler inneholder en enorm mengde data om sykdommer og behandlinger. Forskere kan bruke disse dataene til å teste ideene sine, men de må bruke journaler fra mer enn bare sin egen gruppe pasienter. Men tilgangen til disse journalene er begrenset for å sikre pasientens personvern.
U.S. National Library of Medicine (NLM) har laget et dataverktøy kalt NLM Scrubber. Dette programmet gjenkjenner og sletter personlig informasjon fra helsejournaler. Forskerne som utviklet dette programmet trenger nå tilgang til de originale dokumentene. Dette vil tillate dem å se hvor godt programmet fjerner personlig informasjon fra pasientjournaler og hvordan de kan gjøre det mer nøyaktig.
Mål:
For å finne måter å forbedre klinisk tekstavidentifikasjon.
Kvalifisering:
Ingen nye deltakere. Forskere vil gjennomgå data som allerede er samlet inn.
Design:
Forskere vil samle inn et tilfeldig utvalg av rapporter. Disse vil være fra forskjellige leger innen forskjellige felt.
Forskere vil manuelt fjerne personlig informasjon fra journalene.
Forskere vil også automatisk fjerne personlig informasjon fra originale poster ved hjelp av NLM-Scrubber.
Forskere vil sammenligne resultatene av dataprogrammet med de manuelle endringene. De vil merke når programmet ikke har fjernet personlig informasjon på riktig måte. De vil også merke seg når programmet har slettet ikke-personlig helseinformasjon feil.
Forskere vil bruke resultatene til å revidere programmet. De vil fortsette å teste den til avidentifikasjonsprosessen er fullført.
...
Studieoversikt
Status
Detaljert beskrivelse
Denne studien handler om kvalitetsvurdering, forbedring og overvåking av en automatisk programvareapplikasjon for klinisk tekstavidentifikasjon kalt NLM Scrubber, som er utviklet ved National Library of Medicine (NLM). Applikasjonen er utviklet slik at kliniske rapporter kan brukes i sekundære vitenskapelige studier (dvs. for sekundær bruk) uten å krenke pasientens personvern. Forskning på metoder for å beskytte pasientens personvern og på utviklingen av NLM Scrubber har blitt utført ved å følge retningslinjene til og i samsvar med HIPAA og personvernloven.
For å videreutvikle og forbedre NLM Scrubber og vurdere dens avidentifikasjonsytelse effektivt, krever etterforskerne de originale/uredigerte prøvene fra alle potensielle kliniske rapporttyper og kilder. For dette formål har NLM-etterforskere vært
samarbeider med enheter innen NIH, nemlig NIH Clinical Center, BTRIS og NCI, så vel som eksterne enheter, Kentucky State Registry administrert av University of Kentucky og forskere fra University of Pittsburgh, som uttalte sin interesse for å integrere NLM
Scrubber til applikasjonen deres kalt Text Information Extraction System. Disse enhetene samler inn prøver av ulike typer kliniske rapporter for å vurdere og forbedre NLM Scrubber-ytelsen. Men vi trenger også tilgang til de originale dataene for å kunne vurdere
potensielle problemer og forbedre nøyaktigheten til NLM Scrubber.
Studietype
Registrering (Antatt)
Kontakter og plasseringer
Studiesteder
-
-
Maryland
-
Bethesda, Maryland, Forente stater
- National Library of Medicine
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
- Ingen ny deltaker påmelding. Forskere vil gjennomgå data som allerede er samlet inn.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Observasjonsmodeller: Annen
- Tidsperspektiver: Retrospektiv
Kohorter og intervensjoner
Gruppe / Kohort |
|---|
|
1
Alle som en klinisk narrativ rapport er laget for.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Frekvensen for avidentifikasjon av PII
Tidsramme: 01.01.2017-31.01.2027
|
HIPAA Privacy Rule definerer 18 typer personlig identifiserende informasjon som må avidentifiseres, som inkluderer personnavn, adresser, viktige datoer, numeriske identifikatorer (som personnummer).
Annotatorene våre merker disse ordene og tallene og skaper en gullstandard, og NLM-Scrubber prøver å gjenkjenne og eliminere dem alle.
Frekvensen for avidentifikasjon av PII refererer til suksessen til dette utfallsmålet.
|
01.01.2017-31.01.2027
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Frekvensen av feilredigert klinisk informasjon
Tidsramme: 01.01.2017-31.01.2027
|
Mens NLM-Scrubber prøver å eliminere bare PII-elementer mens den bevarer ikke-identifiserende studiedata, sletter den også ved et uhell noen av de ikke-identifiserende studiedataelementene (ikke-beskyttet helseinformasjon).
Frekvensen av feilredigert klinisk informasjon refererer til NLM-Scrubbers feil med å bevare ikke-identifiserende helseinformasjon.
|
01.01.2017-31.01.2027
|
Samarbeidspartnere og etterforskere
Samarbeidspartnere
Etterforskere
- Hovedetterforsker: Mehmet M Kayaalp, Ph.D., National Library of Medicine (NLM)
Publikasjoner og nyttige lenker
Generelle publikasjoner
- 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.
Studierekorddatoer
Studer hoveddatoer
Studiestart
Primær fullføring (Antatt)
Studiet fullført (Antatt)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Antatt)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Antatt)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Andre studie-ID-numre
- 999916122
- 16-LM-N122
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
IPD-planbeskrivelse
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
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. .
Kliniske studier på Personlig identifiserbar informasjon
-
Liverpool School of Tropical MedicineKenya Medical Research Institute; LVCT HealthHar ikke rekruttert ennåSvangerskap | Helsesystemer | Electronic Community Health Information Systems | Opptak av svangerskapsklinikk