高齢者における緊急医療サービスの頻繁な利用:自然言語処理による探索と自動識別

科学分野:

• ゲロントロジー
• 医療情報学
• 緊急 医療

背景:

• 人口の高齢化により 医療の利用が増加しています
• 高齢者は緊急医療サービス (EMS) を頻繁に利用する傾向があります.
• EMSの頻繁な利用者を特定することは,リソースの配分と介入に不可欠です.

研究 の 目的:

• 頻繁にEMSを使用するリスクのある高齢者を特定するための自然言語処理 (NLP) のアプローチを探求する.
• リスクの階層化のために EMS レコードのテキストデータを活用する.
• 頻繁にEMSを利用する人のための早期発見と対応を容易にする.

主な方法:

• EMSの記録から65歳以上の患者の遡及コホート研究 (2013年−2019年).
• EMSの頻繁な使用者は,1年に3回以上使用する.
• 先行処理された EMS テキストデータ (TF-IDF ベクター) を用いた NLP モデルを開発しました.

主要な成果:

• 9万7,736人の患者のうち,9. 8%が頻繁にEMSを使用しており,EMS使用の28. 6%を占めています.
• XGBoostモデルは,トレーニングセットで0.97,テストセットで0.92のc統計値を達成しました.
• モデルのパフォーマンスメトリックには,リコール (0.93 トレーニング,0.82 テスト) とF1スコア (0.63 トレーニング,0.54 テスト) が含まれ,良好な校正が行われた.

結論:

• EMSのテキストデータを活用したNLPベースのモデルは,頻繁なユーザーを効果的に識別できます.
• このようなNLPツールを病院前ケアシステムに統合することで 適切な介入を促すことができます
• このアプローチは,EMSの利用率が高い高齢者のためのより調整されたケア戦略につながるかもしれません.