- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT06240572
Utvikling av et naturlig språkbehandlingsverktøy for å muliggjøre klinisk forskning innen akuttmedisin (NLP-DeVal)
Utvikling og validering av et naturlig språkbehandlingsverktøy for å muliggjøre klinisk forskning innen akutt- og akuttmedisin: Retrospektiv kohortstudie
Målet med denne retrospektive kohortstudien er å utvikle og validere en språkmodell som kan tolke innholdet i akuttmottakets elektroniske journaler og trekke ut relevant informasjon til forskningsformål hos alle voksne pasienter som ankom de deltakende akuttmottakene i løpet av en treårsperiode. .
Hovedspørsmålet den tar sikte på å besvare er: er språkmodellen i stand til å tolke innholdet i akuttmottakets elektroniske journaler og trekke ut den etterspurte informasjonen fra dem slik at den kan brukes til å gjøre nøyaktige analyser og spådommer?
Studien er retrospektiv og data vil automatisk trekkes ut fra medisinske helsejournaler.
Studieoversikt
Detaljert beskrivelse
BAKGRUNN OG BEGRUNDELSE FOR STUDIEN
Å drive klinisk og kvalitetsvurderingsforskning innen akuttmedisin er like vanskelig som det er viktig. Det er vanskelig fordi det store antallet pasienter som må behandles og den kroniske mangelen på personale gjør ad hoc-datainnsamling upraktisk. Det er viktig fordi forskning til syvende og sist gjør det mulig for legevakt og sykepleiere å basere sin praksis på bevis innhentet i deres egne, unike omgivelser, i motsetning til bevis innhentet i fjerntliggende sammenhenger, slik det er vanlig i dag.
Den eneste måten å bygge bro over gapet mellom forskningsbehov og tilgjengeligheten av robuste data er å trekke ut data direkte fra de elektroniske helsejournalene (EPJer) til akuttmottak, og unngå dedikert, tidkrevende datainnsamling. Dette er imidlertid en vanskelig oppgave, fordi den mest nyttige informasjonen er i fritekstformat (f.eks. tilstedeværelse av tegn og symptomer, mistenkt og bekreftet diagnose, anamnese). Slike omstendigheter og behov krever et pålitelig verktøy for naturlig språkbehandling (NLP) for å utlede svært konsistente data fra fritekst.
I dag finnes det store språkmodeller som kan tolke naturlig språk nøyaktig. Disse modellene er trent på enorme mengder generell kunnskap hentet for det meste fra Internett, så ytelsen deres på mer spesialiserte områder, for eksempel det medisinske domenet, er kanskje ikke optimal.
Denne studien er en del av et større prosjekt kalt eCREAM (enabling Clinical Research in Emergency and Acute-care Medicine), og har som mål å utvikle og validere en språkmodell (kalt eCREAM_LM) for seks språk som kan tolke innholdet i akuttmottak EPJer og hente ut relevant informasjon til forskningsformål.
METODER
Studien er en observasjons-, multisenter-, retrospektiv, 24-måneders studie. Tretti sentre vil delta i studien: 13 fra Italia, 4 fra Polen, 3 fra Hellas, Slovakia, Slovenia og Storbritannia, og 1 fra Sveits. Sentrene får ingen kompensasjon, men utgiftene dekkes av prosjektmidler.
Utvikling og validering av eCREAM_LM-modellen.
eCREAM_LM vil utvikles gjennom opplæring og finjustering av den beste overordnede modellen, blant de åpen kildekode, og vil gå i delvis parallelle faser. Kandidatmodeller vil bli eksponert for en enorm mengde (milliarder) medisinske tekster fra vitenskapelig litteratur eller andre offentlige kilder. Samtidig vil modellene også bli eksponert for en massiv mengde (millioner) fritekstnotater hentet fra journaler som er i bruk ved deltakende sykehus. Vi vil deretter gå videre til finjustering, hvor en stor mengde (tusenvis) av kliniske notater, hentet, nok en gang, fra medisinske journaler til deltakende sentre, vil bli brukt. Disse notatene vil bli kommentert av erfarne leger, som består i å trekke ut informasjon fra notatene for å fylle ut dataelementene som er oppført i et virtuelt datainnsamlingsskjema (vCRF). vCRF ble opprettet for en relatert studie og inneholder et sett med variabler som er nyttige for å forutsi sykehusinnleggelse av pasienter med dyspné eller forbigående bevissthetstap, som er målet med den relaterte studien. I den nåværende studien vil vCRF fungere som et verktøy for å validere språkmodellen.
Validering av eCREAM_LM vil bli utført ved å bruke et sett med 1000 kliniske notater annotert som beskrevet ovenfor, men ikke brukt i utviklingsfasen. Disse notatene vil bli sendt til eCREAM_LM-modellen med oppgaven å kompilere vCRF. Overensstemmelsen i utfylling av vCRF mellom ekspertleger og eCREAM_LM vil være målet for endelig validering av eCREAM_LM.
Datainnsamling og anonymisering
Hvert deltakende sykehus vil gi fritekstnotater i journalene til 150-300 000 voksne pasienter behandlet mellom 2021 og 2023. Notater som refererer til ulike aspekter ved samme pasient (f.eks. historie, objektiv undersøkelse, testresultater) vil bli skilt fra hverandre slik at det vil være umulig å rekonstruere den fullstendige profilen til pasienten. I tillegg vil notatene bli strippet for enhver referanse til pasienten (f.eks. fornavn, etternavn, fødselsdato) og kontekst (f.eks. sykehus, dato og tidspunkt for ankomst til senteret). Denne prosessen minimerer sannsynligheten for å identifisere pasienter på nytt og maksimerer beskyttelsen av rettighetene deres. Sannsynligheten for å re-identifisere en pasient i en database avhenger av hvor unike hans eller hennes egenskaper er fra andre individer i databasen. Sannsynligheten for å ha unike, og derfor identifiserbare, pasienter øker med mengden informasjon som er tilgjengelig i databasen og avtar med størrelsen. Ved å fjerne all personlig og kontekstuell informasjon fra kliniske notater og skille hvert notat fra de andre, vil hvert notat kun rapportere noen få kjennetegn ved pasienten. I tillegg skal data samlet inn fra sykehus i samme land slås sammen slik at det blir én stor database for hvert språk. Dette nuller effektivt ut sannsynligheten for at det finnes individer som er unikt identifiserbare fra notatene.
Til slutt, for å utelukke muligheten for at notatene vil inneholde informasjon om tredjeparter, som navn og telefonnumre til pasientenes pårørende, vil en sertifisert anonymiseringsprogramvare, spesielt utviklet for å fjerne personopplysninger fra fritekst, installeres på hvert sykehus.
Når de er anonymisert, vil dataene bli sentralisert for analyse og vil også bli lastet opp til store europeiske språkressursdelingsplattformer i det vitenskapelige samfunnet.
Statistisk analyse
I eCREAM_LM-valideringen vil vi vurdere samsvaret mellom ekspertleger og eCREAM_LM selv ved utfylling av vCRF. Dataene vil referere til et utvalg på 1000 notater for hvert studiespråk. Konkordans vil bli vurdert for hver variabel i vCRF ved å bruke Cohens κ som et mål på samsvar. eCREAM_LM vil bli ansett som gyldig hvis Cohens κ er større enn 0,75.
Prøvestørrelse
Forutsatt en utmerket overensstemmelse (κ=0,80) mellom eCREAM_LM og de erfarne legevaktslegene for å fullføre vCRF, vil en prøve på minst 735 notater være nødvendig for å oppnå tilstrekkelig presisjon til å garantere en god overensstemmelse (nedre konfidensgrense på 95 % konfidensintervall på Cohens κ større enn 0,75). Dette tallet er den maksimale utvalgsstørrelsen oppnådd under forskjellige scenarier som involverer et forskjellig antall kategorier (2 til 5) for hver variabel og forskjellige marginale fordelinger av kategoriene i utvalget, inkludert balanserte fordelinger (f.eks. 5 kategorier med 20 % av utvalget i hver kategori) og svært ubalanserte resultater (f.eks. 5 kategorier med 1,8 %, 7,3 %, 16,4 %, 29,1 % og 45,5 % av utvalget). Siden informasjon av interesse kan mangle i noen notater, vil vi utføre datavalideringsvurderingen på 1000 sedler.
Studietype
Registrering (Antatt)
Kontakter og plasseringer
Studiekontakt
- Navn: Chiara Pandolfini
- Telefonnummer: 0039 02 39014 253
- E-post: chiara.pandolfini@marionegri.it
Studer Kontakt Backup
- Navn: Giulia Ghilardi
- Telefonnummer: 0039 035 4535 313
- E-post: giulia.ghilardi@marionegri.it
Studiesteder
-
-
-
Milan, Italia, 20156
- Istituto di Ricerche Farmacologiche Mario Negri IRCCS
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Voksen
- Ankom akuttmottaket mellom 1. januar 2021 og 31. desember 2023
Ekskluderingskriterier:
- Ingen
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
---|---|
Voksne som oppsøkte akuttmottaket
|
ingen inngrep
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
---|---|---|
Samsvar i utfylling av det virtuelle saksrapportskjemaet
Tidsramme: 1 måned
|
Nivå av samsvar ved utfylling av det virtuelle saksrapportskjemaet mellom ekspertlegene og eCREAM_LM språkmodellen
|
1 måned
|
Samarbeidspartnere og etterforskere
Etterforskere
- Hovedetterforsker: Guido Bertolini, Istituto di Ricerche Farmacologiche Mario Negri IRCCS
Studierekorddatoer
Studer hoveddatoer
Studiestart (Antatt)
Primær fullføring (Antatt)
Studiet fullført (Antatt)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 8780
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
IPD-planbeskrivelse
IPD-delingstidsramme
IPD-deling Støtteinformasjonstype
- STUDY_PROTOCOL
- CSR
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 Nødsmedisin
-
Hospital Israelita Albert EinsteinFullførtPasienter Emergency on-site Care by Mobile Emergency UnitBrasil
-
Nantes University HospitalIMT Mines Albi - France (https://www.imt-mines-albi.fr/)UkjentEmergency Medical Service Communication Systems, Health Care
-
RWTH Aachen UniversityFullførtTelemedisin bruk | Bruk av telekonsultasjon | Emergency Medical Service Missions
-
University Children's Hospital, ZurichFullførtEmergency Front of Neck Airway hos barnSveits
-
Herlev HospitalSuspendertIncisional brokk | Emergency Midline LaparotomiDanmark
-
Central Denmark RegionFullførtEmergency Medical Dispatch Center | Videostreaming | Nødsamtale | Prehospitale akuttmedisinske tjenesterDanmark
-
National Taiwan University Clinical Trial CenterRekrutteringKardiologi, Critical Care Medicine, Emergency Medical ServiceTaiwan
-
Herlev HospitalHar ikke rekruttert ennåIncisional brokk | Emergency Midline LaparotomiDanmark
-
Second Affiliated Hospital, School of Medicine,...FullførtMental tretthet | Emergency Paramedics' FatigueKina
-
The University of Hong KongQueen Elizabeth Hospital, Hong KongAvsluttet
Kliniske studier på ingen inngrep
-
Thomas Jefferson UniversityRekrutteringProstata karsinomForente stater
-
Oregon Research InstituteFullført
-
Sarah BlaylockVA Office of Research and DevelopmentFullførtFalle | LavsynForente stater
-
Tel Aviv UniversityFullført
-
Thomas Jefferson UniversityFullførtHematopoetisk og lymfoid celle-neoplasma | Ondartet fast neoplasmaForente stater
-
University Hospital, BonnGerman Federal Ministry of Education and ResearchUkjent
-
Idaho State UniversityHar ikke rekruttert ennåEksperimentelle videospill | Atferdsvurdering
-
VA Office of Research and DevelopmentRekruttering
-
OHSU Knight Cancer InstituteNational Cancer Institute (NCI); Oregon Health and Science UniversityHar ikke rekruttert ennå
-
VA Office of Research and DevelopmentFullført