人們越來越認識到金融不穩(wěn)定和住房不安全等社會風險因素會影響健康。但與診斷代碼、處方信息、實驗室或其他測試報告不同，社會風險因素不符合患者電子病歷中標準化、受控的術(shù)語，這使得這些信息很難從通常存在的臨床記錄中提取。
一項新的研究發(fā)現(xiàn)，雷根斯特里夫研究所和印第安納大學理查德·M·費爾班克斯公共衛(wèi)生學院信息學家開發(fā)的自然語言處理(NLP) 系統(tǒng)在移植到新的衛(wèi)生系統(tǒng)并在超過 600 萬條臨床記錄上進行測試時表現(xiàn)出了出色的性能。在佛羅里達州見過的病人。評估了性能的通用性和可移植性，定義為在新環(huán)境中部署軟件以及更新其使用以滿足新數(shù)據(jù)的需求時的易用性和準確性。
“社會因素對我們的健康有很大影響。這不僅僅是我們接受的醫(yī)療保健，而且我們居住的地方、工作的地方以及我們獲得食物、交通和其他資源的機會也產(chǎn)生了重大影響該研究的資深作者、Regenstrief 和印第安納大學費爾班克斯學院教員 Chris Harle 博士說道。
“對于提供醫(yī)療服務的臨床醫(yī)生和衛(wèi)生系統(tǒng)來說，了解人們的社會風險因素非常重要，因此在開藥、安排檢查或計劃進行手術(shù)時，他們可以更好地治療整個人——也許可以使用成本較低的藥物或替代來源來治療。測試，還可以將他們與服務聯(lián)系起來，幫助滿足他們對安全居住場所和健康食品的需求。”
在這項研究中，研究人員基于 NLP 規(guī)則的模型搜索了醫(yī)生或其他臨床醫(yī)生在患者電子健康記錄的臨床記錄中編寫的文本，尋找可能表明住房困難的關(guān)鍵詞或短語(例如：患者在一個新的且完全不同的地理區(qū)域的醫(yī)療保健系統(tǒng)中缺乏永久地址)或財務需求(例如：無法負擔后續(xù)護理)。
盡管存在挑戰(zhàn)(例如：無家可歸者收容所的名稱沒有表明該設(shè)施的功能或地區(qū)差異或當?shù)卣Z言的細微差別)，研究科學家們證實，NLP 模型經(jīng)過相對簡單的修改，可以提供高度準確的性能，相比之下達到人工審核的黃金標準。
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！