对于急性至慢性疼痛签名研究 (A2CPS) 的数据质量保证工具:一个交互式R闪亮的应用程序

科学领域:

• 生物医学信息学 生物医学信息学
• 临床研究信息学 临床研究信息学
• 数据科学数据科学数据科学

背景情况:

• 急性至慢性疼痛特征 (A2CPS) 计划是一项大规模的多地点观察性研究,重点关注慢性术后疼痛和阿片类药物依赖.
• 高质量的数据对于识别可预测疼痛进展的生物标志物至关重要.
• 现有的质量保证措施需要加强复杂的多领域数据收集.

研究的目的:

• 在A2CPS研究中开发和实施交互式Web应用程序,用于实时数据质量监测.
• 简化多个研究站点的数据质量错误的识别,报告和纠正.
• 在大型观测研究中支持预测生物标志物发现的准确性.

主要方法:

• 开发了一个安全的R Shiny网络应用程序,A2CPS数据监控网络应用程序,授权人员可以访问.
• 从REDCap集成数据,预处理在R Shiny框架内进行分析.
• 为特定的质量保证任务设计了一个用户友好的界面,有不同的子面板,可以生成特定站点的错误报告.

主要成果:

• 在一年内,在案例报告表格数据中,数据质量错误减少了50%.
• 在所有参与站点中,无论招生率如何,都显示出一致的错误减少.
• 为研究人员提供有针对性的反和培训,减轻反复出现的错误.

结论:

• 在一个复杂的观察性研究中,A2CPS数据监控网络应用显著改善了数据质量保证.
• 这种开源解决方案有效地减少了数据输入错误,并增强了与数据收集站点的通信.
• 这些发现强调了开源计算框架在临床试验和观察性研究中对数据监测的有用性.