如何 (半自动) 发现预先选导向的资格标准
Morgan Vaterkowski1,2, Nadir Ammour2, Christel Daniel1,3
1Sorbonne Université, INSERM, Université Sorbonne Paris-Nord, Laboratoire d'informatique médicale et d'ingénierie des connaissances en e-santé, LIMICS, 75006 Paris, France.
Studies in health technology and informatics
|October 3, 2025
概括
本研究引入了一种方法,可以从临床试验文件中半自动识别面向预选的合格标准 (POEC). 创建了一个POEC图书馆,以改善使用电子健康记录的患者招聘支持系统的开发和评估.
科学领域:
- 生物医学信息学 生物医学信息学
- 临床试验操作 临床试验操作
- 健康 数据科学 数据科学
背景情况:
- 临床试验招聘支持系统 (CTRSS) 越来越多地使用电子健康记录 (EHR) 来匹配患者和试验.
- 免费文本临床试验资格标准 (EC) 的手动处理用于电子健康记录查询是耗时且低效的.
- 实现患者与试验匹配的自动化需要结构化的符合性标准,适合EHR查询.
研究的目的:
- 开发一种方法方法,用于半自动检测面向预选的资格标准 (POEC).
- 建立一个可重复使用的POEC库,用于开发和评估基于EHR的CTRSS.
- 促进使用EHR数据以改善临床试验参与.
主要方法:
- 自由文本EC的分解成标准化元素.
- 开发基于规则的算法,用于半自动检测POEC.
- 来自20个癌症临床试验的381个自由文本EC的注释,使用17个领域的96个基本EC模式的框架.
- 通过PENELOPE-C2Q管道提供公共可用的POEC图书馆 (PENELOPE POEC图书馆) 的创建.
主要成果:
- 建立了一种半自动识别POEC的方法方法.
- 开发了一个基于规则的POEC检测算法,并在注释的EC数据上进行训练.
- 创建了一个POEC库,适合评估基于EHR的CTRSS.
- 为了支持EHR数据的重用,PENELOPE-C2Q管道和PENELOPE POEC库被引入.
结论:
- 拟议的方法允许半自动检测和标准化POEC.
- 该POEC图书馆为开发和评估CTRSS提供了一个有价值的资源.
- 这种方法可以提高患者试验匹配的效率,并促进在临床研究中重新使用电子病历数据.
