Rationale and Design of the Registry for Stones of the Kidney and Ureter (ReSKU): A Prospective Observational Registry to Study the Natural History of Urolithiasis Patients
Notice bibliographique
Résumé
OBJECTIVES: Registry-based clinical research in nephrolithiasis is critical to advancing quality in urinary stone disease management and ultimately reducing stone recurrence. A need exists to develop Health Insurance Portability and Accountability Act (HIPAA)-compliant registries that comprise integrated electronic health record (EHR) data using prospectively defined variables. An EHR-based standardized patient database-the Registry for Stones of the Kidney and Ureter (ReSKU™)-was developed, and herein we describe our implementation outcomes. MATERIALS AND METHODS: Interviews with academic and community endourologists in the United States, Canada, China, and Japan identified demographic, intraoperative, and perioperative variables to populate our registry. Variables were incorporated into a HIPAA-compliant Research Electronic Data Capture database linked to text prompts and registration data within the Epic EHR platform. Specific data collection instruments supporting New patient, Surgery, Postoperative, and Follow-up clinical encounters were created within Epic to facilitate automated data extraction into ReSKU. RESULTS: The number of variables within each instrument includes the following: New patient-60, Surgery-80, Postoperative-64, and Follow-up-64. With manual data entry, the mean times to complete each of the clinic-based instruments were (minutes) as follows: New patient-12.06 ± 2.30, Postoperative-7.18 ± 1.02, and Follow-up-8.10 ± 0.58. These times were significantly reduced with the use of ReSKU structured clinic note templates to the following: New patient-4.09 ± 1.73, Postoperative-1.41 ± 0.41, and Follow-up-0.79 ± 0.38. With automated data extraction from Epic, manual entry is obviated. CONCLUSIONS: ReSKU is a longitudinal prospective nephrolithiasis registry that integrates EHR data, lowering the barriers to performing high quality clinical research and quality outcome assessments in urinary stone disease.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».