Desarrollo y validación de un algoritmo de procesamiento de lenguaje natural basado en reglas para identificar caídas...

Para abordar la subestimación de las caídas según la Clasificación Internacional de Enfermedades (CIE) en entornos clínicos, se podría incorporar información de las notas clínicas mediante el procesamiento de lenguaje natural (PLN) como una posible solución. Sin embargo, su aplicación a las notas de pacientes hospitalizados no ha sido investigada exhaustivamente.

Este estudio tiene como objetivo desarrollar y validar un algoritmo de PLN basado en reglas para identificar caídas a partir de las notas de ingreso hospitalario de pacientes mayores.

Este estudio retrospectivo utilizó registros electrónicos de hospitalización de 12 años de pacientes con una edad ≥65 años de hospitales públicos de Hong Kong. Se extrajo una muestra aleatoria de 1000 pacientes para desarrollar el algoritmo de NLP. La revisión manual fue el estándar de oro para evaluar el rendimiento del algoritmo, calculándose la sensibilidad, la especificidad, la precisión y la puntuación F1 a nivel de registro, episodio y paciente. Además, el estudio comparó el número de caídas identificadas mediante códigos CIE y notas clínicas de forma independiente y combinada.

Nuestro algoritmo de PLN basado en reglas mostró un rendimiento excelente, con una sensibilidad, especificidad, precisión y valor F1 del 93,3 %, 99,0 %, 87,5 % y 0,903 a los niveles de registro y episodio, y del 92,9 %, 98,3 %, 89,7 % y 0,912 a nivel de paciente. La estrategia de identificación combinada, mediante el uso de códigos CIE y el método de PLN, proporcionó la captura más exhaustiva de los episodios relacionados con caídas y de las personas que sufrieron caídas.

El método de PLN resultó eficiente y preciso para la detección de caídas a partir de notas clínicas en episodios de hospitalización. Para una captura exhaustiva de los episodios de caídas y de las personas que sufrieron caídas, recomendamos el uso combinado del algoritmo de PLN y los códigos CIE, los cuales deberían aplicarse en futuros estudios de epidemiología de caídas y en la práctica clínica para identificar grupos de alto riesgo para las intervenciones contra las caídas.