BEST PRACTICES FOR DATA QUALITY ASSURANCE FOR HOSPITAL ELECTRONIC MEDICAL RECORD RESEARCH PLATFORMS
Notice bibliographique
Résumé
Background Electronic medical records (EMRs) are a rich source of clinical data across many patients. However, the data must be high quality to be used for research. There is a paucity of information on the quality of Canadian hospital EMRs for research, as well as comprehensive EMR data quality assessment checklists. Purpose This thesis aims to validate data from a leading Canadian hospital EMR then use a scoping review to develop a survey for experts to rate items for inclusion in a checklist on assessing EMR data quality for research. Methods An entity relationship diagram (ERD) for key research data was created by navigating over 20,000 data tables. Data validation was completed iteratively by manual chart review or comparing it to Canadian Institute for Health Information Discharge Abstract Database (CIHI-DAD) data for agreement. A scoping review was conducted to identify data quality checklists or frameworks potentially relevant to EMR data quality to be summarized and included in an online survey. Survey items will be rated on a 3-point scale and content validity ratios will be calculated for inclusion in the resulting expert opinion checklist. Results The ERD showed 43 tables were used for key research data. We validated data across 5 themes: Demographics, Exposures, Outcomes, Potential Confounders, and Timestamping. Most items validated with over 95% agreement, but some diagnoses for Outcomes and Potential Confounders performed poorly necessitating the use of linked CIHI-DAD data. For survey development, 533 potentially relevant checklist items were identified and summarized as 42 data quality items in the survey. Conclusions EMR data validation took many iterations to create an accurate ERD. Most key research data in the EMR had high agreement but linked coded data is required for some diagnoses. Our survey will result in a comprehensive, expert opinion checklist of EMR data quality for research.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,785 | 0,850 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,005 |
| Méta-épidémiologie (sens large) | 0,006 | 0,012 |
| Bibliométrie | 0,028 | 0,033 |
| Études des sciences et des technologies | 0,011 | 0,017 |
| Communication savante | 0,037 | 0,024 |
| Science ouverte | 0,016 | 0,023 |
| Intégrité de la recherche | 0,011 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,008 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».