Uso del procesamiento del lenguaje natural para evaluar los patrones de seguimiento en la atención del glaucoma

Desarrollar un algoritmo de procesamiento de lenguaje natural (PLN) que identifique las recomendaciones de seguimiento a partir del texto libre de las notas clínicas de una clínica de glaucoma, y determinar la proporción de pacientes que exceden los intervalos de seguimiento recomendados.

Estudio de cohorte retrospectivo.

Pacientes adultos con glaucoma tratados desde enero de 2016 hasta diciembre de 2022 en nuestra práctica oftalmológica académica.

Se extrajeron datos demográficos y de diagnóstico estructurados junto con el texto libre de las notas clínicas. Se desarrolló un algoritmo de PLN para identificar los intervalos de seguimiento recomendados a partir del texto libre de las notas. Las interrupciones en la atención se definieron como la ausencia de una visita de retorno dentro del 125 % del intervalo de seguimiento recomendado. Se utilizaron ecuaciones de estimación generalizadas con una distribución de Poisson y un enlace logarítmico para identificar los factores de riesgo de interrupción de la atención. Los resultados se presentan como razones de riesgo ajustadas (aRR) con intervalos de confianza (IC) del 95 %.

Rendimiento del algoritmo de PLN y proporción de pacientes con un lapso de atención identificado.

En total, se evaluaron 221 378 notas clínicas, que representan 66 228 visitas de 6452 pacientes con glaucoma únicos. El algoritmo de PLN identificó un intervalo de seguimiento para 47 084 de las 66 228 (71,1 %) visitas de los pacientes y demostró un alto rendimiento en comparación con la revisión de expedientes como estándar de oro (puntuación F1 0,905, precisión 0,948, exhaustividad 0,867). La proporción de visitas que superaron el 125 % del intervalo de seguimiento recomendado anterior fue del 20,0 % [rango intercuartílico (RIC): 10,0-33,3]. La mediana de la duración del exceso del intervalo transcurrido en comparación con el seguimiento recomendado fue de 52,9 días (RIC: 22,0-111,5 días). La proporción de pacientes con cualquier evento de interrupción del seguimiento fue del 73,7 % (4754/6452). Los factores de riesgo para presentar al menos una interrupción en la atención incluyeron la raza negra (aRR=1,29, IC del 95 %: 1,22-1,37, en comparación con la raza blanca) y la etnia hispana (aRR=1,53, IC del 95 %: 1,26-1,87), con un riesgo menor para la edad avanzada (aRR=0,91, IC del 95 %: 0,86-0,97, edad de 71-80 años en comparación con ≤60 años). Entre los 4754 pacientes con al menos una interrupción en la atención, 1183 (24,9 %) nunca regresaron después de la interrupción.

El procesamiento del lenguaje natural (NLP) puede detectar de manera fiable los lapsos en la atención del glaucoma mediante el uso de intervalos de seguimiento individualizados. La identificación de los lapsos en la atención puede facilitar la derivación a recursos para mitigar el riesgo de pérdida de seguimiento.