人们越来越认识到金融不稳定和住房不安全等社会风险因素会影响健康。但与诊断代码、处方信息、实验室或其他测试报告不同,社会风险因素不符合患者电子病历中标准化、受控的术语,这使得这些信息很难从通常存在的临床记录中提取。
一项新的研究发现,雷根斯特里夫研究所和印第安纳大学理查德·M·费尔班克斯公共卫生学院信息学家开发的自然语言处理(NLP) 系统在移植到新的卫生系统并在超过 600 万条临床记录上进行测试时表现出了出色的性能。在佛罗里达州见过的病人。评估了性能的通用性和可移植性,定义为在新环境中部署软件以及更新其使用以满足新数据的需求时的易用性和准确性。
“社会因素对我们的健康有很大影响。这不仅仅是我们接受的医疗保健,而且我们居住的地方、工作的地方以及我们获得食物、交通和其他资源的机会也产生了重大影响该研究的资深作者、Regenstrief 和印第安纳大学费尔班克斯学院教员 Chris Harle 博士说道。
“对于提供医疗服务的临床医生和卫生系统来说,了解人们的社会风险因素非常重要,因此在开药、安排检查或计划进行手术时,他们可以更好地治疗整个人——也许可以使用成本较低的药物或替代来源来治疗。测试,还可以将他们与服务联系起来,帮助满足他们对安全居住场所和健康食品的需求。”
在这项研究中,研究人员基于 NLP 规则的模型搜索了医生或其他临床医生在患者电子健康记录的临床记录中编写的文本,寻找可能表明住房困难的关键词或短语(例如:患者在一个新的且完全不同的地理区域的医疗保健系统中缺乏永久地址)或财务需求(例如:无法负担后续护理)。
尽管存在挑战(例如:无家可归者收容所的名称没有表明该设施的功能或地区差异或当地语言的细微差别),研究科学家们证实,NLP 模型经过相对简单的修改,可以提供高度准确的性能,相比之下达到人工审核的黄金标准。
标签:
免责声明:本文由用户上传,如有侵权请联系删除!