自然言語処理を用いた電子医療記録内の手術後の合併症の自動識別

科学分野:

• 医療情報工学 医療情報工学
• クリニカル・インフォマティックス
• 医療サービス 研究 医療サービス

背景:

• 患者の安全性の監視のための伝統的な自動化された方法は,行政データコードに依存しています.
• 電子医療記録 (EMR) は,フリーテキストデータ分析を通じて,潜在的な代替案を提供します.
• 手術後の合併症を特定することは,患者の安全と品質の向上にとって極めて重要です.

研究 の 目的:

• 総合的なEMRの中で手術後の外科合併症を特定するための自然言語処理 (NLP) の検索アプローチを評価する.
• 放出コードを使用する既存の患者安全指標 (PSI) とNLPのパフォーマンスを比較する.

主な方法:

• 6つの退役軍人保健局 (VHA) の医療センター (1999-2006) で入院手術を受けた2974人の患者の横断的な研究.
• 急性腎不全,深静脈血栓症,肺栓塞,セプシス,肺炎,心筋梗塞を含む術後の合併症が特定されました.
• NLPのアプローチの感度と特異性は決定され,PSIと比較されました.

主要な成果:

• NLPは,PSIと比較して,急性腎不全 (82%対38%),肺炎 (64%対5%),症 (89%対34%) などの合併症を特定する上でより高い感度を示した.
• NLPとPSIは,ほとんどの診断において高い特異性を示した.
• NLPに対する特定の感受性には,急性腎不全 (82%),静脈血栓塞栓症 (59%),肺炎 (64%),結血症 (89%),術後の心筋梗塞 (91%) が含まれています.

結論:

• EMRのNLP分析は,放出コードベースのPSIよりも術後の合併症を検出するためのより敏感な方法を提供します.
• NLPはより高い感度を示したが,放出コードに基づいたPSIも高い特異性を示した.
• これは,NLPが外科環境における患者の安全監視を強化するための貴重な補足ツールであることを示唆しています.