MétaCan
Menu
Retour à la cohorte
Enregistrement W2964412721 · doi:10.1016/j.carj.2019.04.002

Sharing De-identified Medical Images Electronically for Research: A Survey of Patients' Opinion regarding Data Management

2019· article· en· W2964412721 sur OpenAlexaffabout
Rasha Mahmoud, Alan R. Moody, Moran Foster, Natasha Girdharry, Loreta Sinn, Bowen Zhang, Mariam Afshin, Vivekanandan Thayalasuthan, Samantha Santoro, Pascal N. Tyrrell

Notice bibliographique

RevueCanadian Association of Radiologists Journal · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueDigital Imaging in Medicine
Établissements canadiensUniversity of TorontoHealth Sciences CentreSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineInterquartile rangePermissionFamily medicineMagnetic resonance imagingMedical imagingData sharingResearch ethicsMedical physicsRadiologyAlternative medicineSurgeryPsychiatry

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Secondary usage of patient data has recently become of increasing interest for the development and application of computer analytic techniques. Strict oversight of these data is required and the individual patients themselves are integral to providing guidance. We sought to understand patients' attitudes to sharing their imaging data for research purposes. These images could provide a great wealth of information for researchers. METHODS: Patients from the Greater Toronto Area attending Sunnybrook Health Sciences Centre for imaging (magnetic resonance imagining, computed tomography, or ultrasound) examination areas were invited to participate in an electronic survey. RESULTS: Of the 1083 patients who were approached (computed tomography 609, ultrasound 314, and magnetic resonance imaging 160), 798 (74%) agreed to take the survey. Overall median age was 60 (interquartile range = 18, Q1 = 52, Q3 = 70), 52% were women, 42% had a university degree, and 7% had no high school diploma. In terms of willingness to share de-identified medical images for research, 76% were willing (agreed and strongly agreed), while 7% refused. Most participants gave their family physicians (73%) and other physicians (57%) unconditional data access. Participants chose hospitals/research institutions to regulate electronic images databases (70%), 89% wanted safeguards against unauthorized access to their data, and over 70% wanted control over who will be permitted, for how long, and the ability to revoke that permission. CONCLUSIONS: Our study found that people are willing to share their clinically acquired de-identified medical images for research studies provided that they have control over permissions and duration of access.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Science ouverte
Catégories consensuellesaucune
DomaineSignal candidat: Reproductibilité · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants1,000
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,112
Tête enseignante GPT0,403
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineReproductibilité
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Association of Radiologists JournalMême sujetDigital Imaging in MedicineTravaux en français237 207