慢性乙型肝炎现实世界队列研究的自动数据收集工具:利用OCR和NLP技术提高效率
Xiaomei Zhou1, Tao Zeng2, Yibo Zhang2
1Information Center, The Third Affiliated Hospital of Sun Yat-sen University, Guangzhou, 510630, China.
New microbes and new infections
|September 16, 2024
概括
这项研究介绍了CHB-EDC,这是一种用于慢性乙型肝炎 (CHB) 研究的智能工具. CHB-EDC显著减少了数据收集时间和成本,同时保持了高准确度,改善了现实世界的数据标准化.
科学领域:
- 医疗信息学 医疗信息学
- 临床研究数据管理数据管理
背景情况:
- 临床研究数据收集通常是耗时和复杂的.
- 标准化对于现实世界中的队列研究至关重要,特别是对于慢性乙型肝炎 (CHB).
研究的目的:
- 开发一个智能数据收集工具,CHB-EDC,用于高效和标准化的数据收集在CHB现实世界的研究.
- 加强收集和管理临床研究数据的过程.
主要方法:
- CHB-EDC使用光学字符识别 (OCR) 和自然语言处理 (NLP) 来自动处理各种格式的数据,包括图像.
- 它可以与eCRF人口的REDCap集成,并通过Web接口支持电子医疗记录系统集成.
- 该工具有助于智能数据提取,聚合和安全,匿名的数据共享.
主要成果:
- CHB-EDC的平均精度为98.66%,与手动采集 (98.65%) 相比.
- 每位患者的数据收集时间从63.64分钟 (手动) 显著减少到3.57分钟 (CHB-EDC) (p <0.05).
- 该工具显著减少了收集时间和成本,同时确保了数据的准确性.
结论:
- CHB-EDC显著提高了现实研究的数据收集效率和准确性.
- 该工具能够标准化收集真实世界的数据,这对于慢性乙型肝炎研究至关重要.


