Video Experimental Relacionado
Updated: May 6, 2026
A Metadata Extraction Approach for Clinical Case Reports to Enable Advanced Understanding of Biomedical Concepts
Published on: September 20, 2018
Identificación de las necesidades de transporte en las notas clínicas de oftalmología utilizando el procesamiento del
Lauren M Wasser1, Hai-Wei Liang1, Chenyu Li2
1Department of Ophthalmology, University of Pittsburgh School of Medicine, 1622 Locust Street, 5th floor, Pittsburgh, PA, 15219, United States, 1 412-642-5382.
El procesamiento del lenguaje natural (PNL) puede identificar la inseguridad del transporte en las notas de atención ocular, ayudando a los pacientes a acceder a los recursos. Este método detecta con precisión los desafíos en el acceso a la atención médica, mejorando el apoyo y los resultados del paciente.
Área de la Ciencia:
- Oftalmología
- Informática de la salud
- Procesamiento del lenguaje natural
Sus antecedentes:
- La inseguridad del transporte es una barrera significativa para acceder a la atención ocular, lo que afecta negativamente a los resultados visuales de los pacientes.
- Los registros electrónicos de salud a menudo carecen de datos estructurados sobre los desafíos de transporte, lo que dificulta la identificación y el apoyo a los pacientes.
- Las notas clínicas de texto libre ofrecen una vía potencial para capturar las barreras relacionadas con el transporte de manera más efectiva.
Objetivo del estudio:
- Desarrollar y validar un algoritmo de procesamiento del lenguaje natural (PNL) para identificar la inseguridad del transporte en notas clínicas de oftalmología de texto libre.
- Evaluar la viabilidad del uso de la PNL para detectar barreras de transporte en los registros electrónicos de salud.
- Mejorar la identificación de pacientes que enfrentan dificultades para acceder a la atención oftalmológica debido al transporte.
Principales métodos:
- Un estudio retrospectivo y transversal que analizó 1.801.572 notas clínicas de oftalmología de pacientes adultos (2016-2023).
- Desarrollo de un algoritmo de PNL basado en reglas para detectar la inseguridad del transporte dentro de la documentación clínica de texto libre desidentificada.
- Validación del algoritmo de PNL con una revisión de expertos estándar, utilizando precisión, recuerdo y puntuaciones F1 para evaluar el rendimiento.
Principales resultados:
- El algoritmo de PNL identificó con éxito a 726 pacientes (0,6%) con inseguridad de transporte, demostrando un alto rendimiento (precisión 0,860, recuerdo 0,960, puntuación F1 0,778).
- Los pacientes mayores (≥ 80 años) tenían una probabilidad significativamente mayor de experimentar inseguridad en el transporte en comparación con los adultos más jóvenes.
- Los pacientes asiáticos tenían menos probabilidades de tener inseguridad de transporte identificada en comparación con los pacientes blancos; no se encontraron diferencias significativas por sexo o raza (negros vs. blancos).
Conclusiones:
- El procesamiento del lenguaje natural (PNL) es una herramienta viable para identificar con precisión la inseguridad del transporte a partir de notas clínicas no estructuradas de oftalmología.
- Este enfoque de PNL puede ayudar a identificar proactivamente a los pacientes con barreras de transporte, facilitando las derivaciones oportunas a los recursos necesarios.
- Mejorar la captura de la inseguridad del transporte puede conducir a un mejor apoyo al paciente y potencialmente mejorar los resultados visuales en los entornos de atención ocular.
