NLM Scrubber: aplikacja NLM do deidentyfikacji klinicznych dokumentów tekstowych
Kontekst: Elektroniczna dokumentacja medyczna zawiera ogromną ilość danych na temat chorób i metod leczenia. Badacze mogliby wykorzystać te dane do przetestowania swoich pomysłów, ale musieliby użyć zapisów pochodzących nie tylko od własnej grupy pacjentów. Jednak dostęp do tych danych jest ograniczony, aby zapewnić pacjentom prywatność.
Amerykańska Narodowa Biblioteka Medyczna (NLM) stworzyła narzędzie komputerowe o nazwie NLM Scrubber. Ten program rozpoznaje i usuwa dane osobowe z dokumentacji medycznej. Naukowcy, którzy opracowali ten program, potrzebują teraz dostępu do oryginalnych zapisów. To pozwoli im zobaczyć, jak dobrze program usuwa dane osobowe z dokumentacji pacjentów i jak mogą je poprawić.
Cele:
Znalezienie sposobów na ulepszenie deidentyfikacji tekstu klinicznego.
Uprawnienia:
Brak nowych uczestników. Naukowcy dokonają przeglądu danych, które zostały już zebrane.
Projekt:
Badacze zbiorą losową próbkę raportów. Będą to różni lekarze z różnych dziedzin.
Badacze będą ręcznie usuwać dane osobowe z rejestrów.
Badacze będą również automatycznie usuwać dane osobowe z oryginalnych zapisów za pomocą NLM-Scrubber.
Badacze porównają wyniki programu komputerowego z ręcznymi zmianami. Zauważą, kiedy program nie usuwał poprawnie danych osobowych. Zauważą również, kiedy program niepoprawnie usuwał nieosobowe informacje o stanie zdrowia.
Naukowcy wykorzystają wyniki do rewizji programu. Będą go testować, dopóki proces deidentyfikacji nie zostanie zakończony.
...
Przegląd badań
Status
Warunki
Szczegółowy opis
Niniejsze badanie dotyczy oceny jakości, doskonalenia i monitorowania aplikacji do automatycznej deidentyfikacji tekstu klinicznego o nazwie NLM Scrubber, która została opracowana w National Library of Medicine (NLM). Aplikacja została opracowana w taki sposób, aby raporty kliniczne mogły być wykorzystywane we wtórnych badaniach naukowych (tj. do wtórnego użytku) bez naruszania prywatności pacjentów. Badania nad metodami ochrony prywatności pacjentów i nad rozwojem NLM Scrubber zostały przeprowadzone zgodnie z wytycznymi i zgodnie z HIPAA i ustawą o ochronie prywatności.
Aby dalej rozwijać i ulepszać NLM Scrubber oraz skutecznie oceniać jego skuteczność deidentyfikacyjną, badacze potrzebują oryginalnych / niezredagowanych próbek ze wszystkich potencjalnych typów raportów klinicznych i źródeł. W tym celu badacze NLM byli
współpraca z podmiotami w ramach NIH, a mianowicie NIH Clinical Center, BTRIS i NCI, a także podmiotami zewnętrznymi, Kentucky State Registry administrowanym przez University of Kentucky oraz naukowcami z University of Pittsburgh, którzy wyrazili zainteresowanie integracją NLM
Scrubber do ich aplikacji o nazwie Text Information Extraction System. Podmioty te zbierają próbki różnego rodzaju raportów klinicznych w celu oceny i poprawy wydajności NLM Scrubber. Jednak potrzebujemy również dostępu do oryginalnych danych w celu dokonania oceny
potencjalne problemy i poprawić dokładność NLM Scrubber.
Typ studiów
Zapisy (Szacowany)
Kontakty i lokalizacje
Lokalizacje studiów
-
-
Maryland
-
Bethesda, Maryland, Stany Zjednoczone
- National Library of Medicine
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
- Brak rejestracji nowych uczestników. Naukowcy dokonają przeglądu danych, które zostały już zebrane.
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
- Modele obserwacyjne: Inny
- Perspektywy czasowe: Z mocą wsteczną
Kohorty i interwencje
Grupa / Kohorta |
|---|
|
1
Wszyscy, dla których tworzony jest raport narracji klinicznej.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Wskaźnik usuwania elementów umożliwiających identyfikację osób umożliwiających identyfikację
Ramy czasowe: 01.01.2017-01.31.2027
|
Zasada prywatności HIPAA definiuje 18 rodzajów informacji umożliwiających identyfikację osób, które muszą zostać usunięte, w tym nazwiska, adresy, znaczące daty, identyfikatory numeryczne (takie jak numer ubezpieczenia społecznego).
Nasi adnotatorzy oznaczają te słowa i liczby, tworząc złoty standard, a NLM-Scrubber próbuje rozpoznać i wyeliminować je wszystkie.
Wskaźnik usunięcia danych umożliwiających identyfikację odnosi się do powodzenia tego środka końcowego.
|
01.01.2017-01.31.2027
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Wskaźnik błędnie zredagowanych informacji klinicznych
Ramy czasowe: 01.01.2017-01.31.2027
|
Podczas gdy NLM-Scrubber próbuje wyeliminować tylko elementy danych osobowych, zachowując nieidentyfikujące dane badawcze, nieumyślnie usuwa również niektóre nieidentyfikujące elementy danych badawczych (niechronione informacje zdrowotne).
Wskaźnik błędnie zredagowanych informacji klinicznych odnosi się do niepowodzenia NLM-Scrubber w zachowaniu nieidentyfikujących informacji zdrowotnych.
|
01.01.2017-01.31.2027
|
Współpracownicy i badacze
Śledczy
- Główny śledczy: Mehmet M Kayaalp, Ph.D., National Library of Medicine (NLM)
Publikacje i pomocne linki
Publikacje ogólne
- 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.
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów
Zakończenie podstawowe (Szacowany)
Ukończenie studiów (Szacowany)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Szacowany)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Inne numery identyfikacyjne badania
- 999916122
- 16-LM-N122
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Opis planu IPD
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .