CliniGA CRO

Blog CliniGA CRO

Campionamento per la revisione umana dei risultati automatici

Scegliere esempi di revisione che coprano il rischio decisionale anziché controllare soltanto i risultati automatici più facili.

Fotografia rappresentativa della categoria: Campionamento per la revisione umana dei risultati automatici
Foto: Kim Dornic (IFREMER, Pôle média & web, Centre Bretagne - ZI de la Pointe du Diable - CS 10070 - 29280 Plouzané) Kim Dornic (IFREMER, Pôle média & web, Centre Bretagne - ZI de la Pointe du Diable - CS 10070 - 29280 Plouzané) · Licenza: CC BY 4.0 · Immagine ritagliata e ridimensionata.
Pubblicazione
Aggiornamento

Quando l’automazione produce centinaia di registrazioni, la revisione umana può coprire soltanto pochi esempi. Selezionare casi comodi e senza problemi può lasciare invisibili errori importanti. La progettazione della revisione dovrebbe indicare quale decisione sostenga l’automazione e le conseguenze di un risultato errato.

Ambito della decisione

Un campione può includere situazioni comuni insieme a esempi ambigui, ai limiti e con input falliti. La selezione mirata, tuttavia, non fornisce un tasso statistico di errore per tutte le registrazioni. Definire in anticipo competenza del revisore, fonti di confronto e un percorso per interrompere l’uso dei risultati problematici.

Esempio di revisione

Per esempio, l’automazione classifica note di monitoraggio. I controlli iniziali coprono soltanto note brevi e non rilevano la classificazione errata di testi più lunghi con più problemi. Il gruppo aggiunge alla revisione note lunghe, contrastanti e incomplete, valutando se preoccupazioni importanti scompaiano quando il sistema le forza in un’unica categoria.

Controlli pratici

  • Collegare la selezione all’uso previsto e all’effetto di una decisione errata.
  • Includere esempi appropriati con ambiguità, informazioni mancanti e più argomenti.
  • Spiegare come saranno indagati risultati simili interessati dopo il rilevamento di un errore.

Accettazione e limiti

L’accettazione richiede evidenze di revisione adeguate per l’uso definito e limiti espliciti. Pochi esempi corretti non approvano ogni risultato. Rivalutare se lo stesso approccio di selezione continui a rilevare errori importanti quando cambiano comportamento del sistema o caratteristiche degli input.

Domande frequenti

L’approvazione umana rende affidabile l’automazione?
Non da sola. Sono essenziali ciò che la revisione controlla e le evidenze che la sostengono.
Ogni risultato deve essere ricreato manualmente?
Usi diversi richiedono ambiti diversi. Il rischio decisionale e una valutazione autorizzata appropriata determinano la profondità della revisione.

Fonti

  1. FDA — Sistemi, registrazioni e firme elettroniche
  2. EMA — ICH E6 buona pratica clinica