Video Experimental Relacionado
Updated: Sep 10, 2025

A Metadata Extraction Approach for Clinical Case Reports to Enable Advanced Understanding of Biomedical Concepts
Published on: September 20, 2018
Utilización frecuente de servicios médicos de emergencia entre pacientes mayores: exploración e identificación
Maaike A Pouw1, Hidde Dijkstra2, Eduard-Raul Kőntős3
1Department of Geriatric Medicine, University of Groningen, University Medical Center Groningen, Groningen, the Netherlands.
Este estudio desarrolló un modelo de procesamiento del lenguaje natural (PNL) para identificar a los adultos mayores con alto riesgo de uso frecuente de servicios médicos de emergencia (SME). El modelo de PNL es prometedor para mejorar la identificación temprana y las intervenciones específicas para los usuarios frecuentes del SME.
Área de la Ciencia:
- Gerontología
- Informática de la salud
- Medicina de emergencia
Sus antecedentes:
- El envejecimiento de la población conduce a una mayor utilización de la atención médica.
- Los adultos mayores son más propensos a ser usuarios frecuentes de los servicios médicos de emergencia (EMS).
- La identificación de usuarios frecuentes del SME es crucial para la asignación de recursos y la intervención.
Objetivo del estudio:
- Explorar un enfoque de procesamiento del lenguaje natural (PNL) para identificar a los pacientes mayores en riesgo de uso frecuente de EMS.
- Aprovechar los datos textuales de los registros del SME para la estratificación del riesgo.
- Facilitar la identificación temprana y las intervenciones adaptadas a los usuarios frecuentes del SME.
Principales métodos:
- Estudio de cohorte retrospectivo de pacientes de 65 años o más a partir de los registros de EMS (2013-2019).
- Usuarios frecuentes del SME definidos como ≥ 3 usos por año.
- Desarrolló un modelo de PNL utilizando el impulso de gradiente extremo (XGBoost) en datos de texto EMS preprocesados (vectores TF-IDF).
Principales resultados:
- Entre 97.736 pacientes, el 9,8% eran usuarios frecuentes de EMS, lo que representa el 28,6% del uso de EMS.
- El modelo XGBoost obtuvo un c-estadístico de 0,97 en el conjunto de entrenamiento y 0,92 en el conjunto de prueba.
- Las métricas de rendimiento del modelo incluyeron el recuerdo (0,93 entrenamiento, 0,82 prueba) y la puntuación F1 (0,63 entrenamiento, 0,54 prueba), con buena calibración.
Conclusiones:
- Un modelo basado en PNL que utiliza datos de texto de EMS puede identificar efectivamente a los usuarios frecuentes.
- La integración de estas herramientas de PNL en los sistemas de atención prehospitalaria puede apoyar las intervenciones oportunas.
- Este enfoque puede conducir a estrategias de atención más personalizadas para los adultos mayores con una alta utilización del SME.
Videos de Conceptos Relacionados
Methods of Documentation VII: EMR
Issues And Trends In Healthcare Delivery System
Cost Containment
Payment for healthcare services has historically promoted adoption of costly and often unnecessary or inefficient...
Documentation in Long-Term and Home Healthcare Setting
Long-Term Care Facilities
Guidelines for Nursing Documentation I
Factual:
The following points emphasize the significance of upholding accurate and unbiased documentation in healthcare.
Types of Reports III: Telephone and Verbal Reports
Here's an overview of each type:
Telephone Orders
Current Trends in Nursing II

