Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Healthy Data: Improving Health Information Quality Using Intelligent Systems

6 december 2021 uppdaterad av: Obinwa Ozonze, University of Portsmouth

Collection of Electronic Health Records (EHR) for Validation of Artificial Intelligence Based Tool for Data Quality Assessment

Electronic Health Record Systems (EHR) play an integral role in healthcare practice, enabling health organisations to collect, access and manage data more consistently. There is also a great deal of interest in using EHR data to improve decision-making and accelerate medical interventions. However, like all information systems, they are prone to data quality problems such as incomplete records, values outside normal ranges and implausible relationships. These problems are expected to become more prevalent as more organisations adopt electronic health record systems, aggregate, share and explore health data. The investigators believe current efforts to improve health data quality can be made more effective if backed by appropriate technology in the form of a readily accessible intelligent tool. Building on this, the investigators developed an Artificial Intelligence (AI) tool for automating data quality assessment of health data. In this study, the investigators evaluate the AI tool using a real-world dataset.

Studieöversikt

Status

Har inte rekryterat ännu

Betingelser

Detaljerad beskrivning

The main aim of this study is to assess the reliability and utility of an AI tool in identifying data quality dimensions of interest for secondary use of health data, including completeness, conformance and plausibility. In assessing this tool, this study will retrospectively analyse data captured during routine clinical care and identify records containing listed data quality dimensions. This study will also assess the consistency of the AI tool in generating and executing data quality checks.

Studietyp

Observationell

Inskrivning (Förväntat)

60000

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studiekontakt

Studera Kontakt Backup

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

  • Barn
  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Ja

Kön som är behöriga för studier

Allt

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Patient records captured by Portsmouth Hospitals University National Health Service Trust (PHU) between 01/01/2020 and 31/12/2020

Beskrivning

Inclusion Criteria:

  • No specific exclusion criteria

Exclusion Criteria:

  • No specific exclusion criteria

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Data quality dimensions prevalence
Tidsram: 12 months, between 01/01/2020 and 31/12/2020
The number of patient records identified by the AI tool with completeness, conformance and plausibility violations
12 months, between 01/01/2020 and 31/12/2020
Consistency of AI tool
Tidsram: 2 months, through study completion
Consistency of AI tool in generating measures for detecting data quality dimensions
2 months, through study completion
Validity of AI tool detection
Tidsram: 2 months, through study completion
Validity of data quality dimensions identified by the AI tool
2 months, through study completion

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Publikationer och användbara länkar

Den som ansvarar för att lägga in information om studien tillhandahåller frivilligt dessa publikationer. Dessa kan handla om allt som har med studien att göra.

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Förväntat)

1 februari 2022

Primärt slutförande (Förväntat)

1 april 2022

Avslutad studie (Förväntat)

1 april 2022

Studieregistreringsdatum

Först inskickad

21 november 2021

Först inskickad som uppfyllde QC-kriterierna

21 november 2021

Första postat (Faktisk)

3 december 2021

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

22 december 2021

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

6 december 2021

Senast verifierad

1 december 2021

Mer information

Termer relaterade till denna studie

Andra studie-ID-nummer

  • UP717295

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

Kliniska prövningar på Data Quality

3
Prenumerera