Projekt

Zurück zur Übersicht

A-DISCERN: Identifying high-quality online information on medical treatment options

Gesuchsteller/in Allam Ahmed
Nummer 161635
Förderungsinstrument Early Postdoc.Mobility
Forschungseinrichtung Department of Pathology Yale University School of Medicine
Hochschule Institution ausserhalb der Schweiz - IACH
Hauptdisziplin Kommunikations- und Medienwissenschaften
Beginn/Ende 01.09.2015 - 28.02.2017
Alle Daten anzeigen

Alle Disziplinen (4)

Disziplin
Kommunikations- und Medienwissenschaften
Informatik
Die Gesundheit und ihre Infrastruktur. Gesundheits
Gesundheitserziehung

Keywords (11)

human computation; supervised learning; health communication; online health information seeking; unified medical language system; natural language processing; health information quality; crowd sourcing; DISCERN; health informatics; crowd-powered systems

Lay Summary (Italienisch)

Lead
Al giorno d’oggi internet è considerato il canale principale di ricerca di informazioni medicali. Al riguardo, però, la qualità delle informazioni nella rete che ruotano intorno alla salute varia enormemente e rende gli utenti esposti al rischio di accedere ad informazioni false o male interpretabili.
Lay summary

Contenuti e obiettivi del progetto

Le linee guida e i criteri di valutazione della qualità dei contenuti relativi alla salute sono stati proposti e studiati da numerose istituzioni e organizzazioni. Nonostante questo, la loro applicazione è tuttora un compito difficoltoso in termini di tempo e risorse ed impone lo sforzo e la responsabilità finale proprio sull’utente alla ricerca delle informazioni medicali.

DISCERN è un tool dalle solide basi che opera in questo contesto e include la lista dei criteri qualitativi di valutazione delle informazioni relative alla salute rispetto alle opzioni di trattamento. Lo scopo di questo progetto è di aiutare le persone nel giudicare la qualità delle informazioni rispetto alle scelte di trattamento sviluppando un algoritmo (software) che produca un indice di qualità basato sull’automatizzazione di valutazione dei criteri di DISCERN.

Questo avviene insegnando al calcolatore come distinguere i contenuti medicali in qualità bassa e alta utilizzando i criteri di DISCERN, permettendo in questo modo maggiore facilità di giudizio da parte dell’utente finale che opera nell’ambito.

Contesto scientifico e sociale

Dal punto di vista pratico, il sistema (A-DISCERN) aiuterà gli utenti a giudicare la qualità e la credibilità delle informazioni che riguardano le possibilità di trattamento mentre navigano in Internet per essere meno vulnerabili rispetto ad informazioni false e/o fuorvianti. Il campo di ricerca, lo sviluppo dell’algoritmo (software) e le procedure di miglioramento dell’accuratezza nella valutazione della qualità delle informazioni medicali si prefiggono di esplorare nuove idee e prospettive in molteplici domini quali l’elaborazione dei linguaggi naturali (NLP – Natural Language Processing) nell’area biomedica e la definizione di flussi di lavoro e modelli che coordino e ottimizzino l’aggregazione del lavoro per gli operatori online al fine di garantire qualità elevata nei risultati.

Direktlink auf Lay Summary Letzte Aktualisierung: 15.01.2016

Verantw. Gesuchsteller/in und weitere Gesuchstellende

Publikationen

Publikation
Towards automated assessment of health webpage quality using the DISCERN instrument
(2017), Towards automated assessment of health webpage quality using the DISCERN instrument, in Journal of the American Medical Informatics Association (JAMIA), 24(3), 481-487.

Zusammenarbeit

Gruppe / Person Land
Formen der Zusammenarbeit
Krauthammer Lab Vereinigte Staaten von Amerika (Nordamerika)
- Publikation
- Forschungsinfrastrukturen

Abstract

Background: The fast adoption and use of the Internet during the last decade and the proliferation of Web-based applications with the emergence of Web 2.0 made clear that the Internet is becoming a necessity and part of people’s daily life. Nowadays, looking for medical information on the Internet is one of the primary means of health information seeking. However, the promise of the Internet as a decision support system is seriously marred by the fact that the quality of health information on the Internet varies tremendously. Initiatives proposing guidelines, checklists and quality indicators sought to help in solving the problem. Yet, these guidelines and quality criteria are laborious because of the effort and time needed to manually evaluate each criterion when it comes to online health related information. DISCERN (http://www.discern.org.uk) is one of these tools that were developed to evaluate the reliability and the quality of information on treatment choices. Aims of the study: The fundamental intention of this research project is to create a system that is able to provide automatically a quality prediction based on the evaluation of an established tool for quality assessment (DISCERN) and to make this assessment easily available to everybody while they are looking at health web pages. Theoretically, this means adding to the informative message of the webpage a meta-message with the intent to reduce or eliminate acceptance of messages originating from low-quality websites.Methods: The first phase will be dedicated to developing a learning algorithm/predictive model (A-DISCERN) that determines the quality of online text discussing treatment options using features/attributes operationalizing and reflecting the targeted quality criteria comprised in the DISCERN tool. The second phase will include human computation by recruiting users from crowdsourcing platforms to rate the medical texts on the quality criteria investigated in the first phase. Moreover, the second phase will investigate the design of workflow to control and coordinate the work of the crowd with the goal to collect many reliable ratings of medical texts to improve the performance of developed A-DISCERN algorithm. The third phase will focus on implementing the whole system (A-DISCERN system) combining the developed work in the first and the second phase. Significance of the project: From the research perspective, the building of the predictive model used to automate the evaluation of the DISCERN criteria will benefit other automation tasks that use NLP in the medical domain (i.e. medical entity and relation identification/extraction). Moreover, the success of coordinating the crowds to work on the rating tasks while maintaining reliable and quality ratings will result in an efficient workflow that could be used in other problems using crowdsourcing. From the application perspective, the final outcome depicted in A-DISCERN system will aid health information seekers to assess the quality of medical texts discussing treatment options, helping people to self-manage and make better decisions concerning their health behavior. In addition, this project introduces new research possibilities that could leverage on the way this project modifies the dyad of usual information seeking into a triad.
-