患者からのフィードバックを自然言語処理で実行可能な洞察に変換する: 知識発見と行動研究

科学分野:

• 医療情報学
• 自然言語処理
• データベースにおける知識発見

背景:

• 患者からのフィードバックは 医療の質と組織のパフォーマンスに 極めて重要です
• 構造化されていないフィードバックの手動分析は,データ量のために困難です.
• 患者のコメントから実用的な洞察を得るために 効果的な方法が必要です

研究 の 目的:

• 患者のフィードバックデータを分析するための方法論を開発し,評価する.
• 自然言語処理 (NLP) とデータベースにおける知識発見 (KDD) のアプローチを利用する.
• 患者の経験のパターン,テーマ,変異を特定し,医療の提供を改善します.

主な方法:

• 126,134人の患者からのフィードバックに統合されたKDD行動研究枠組みを適用しました.
• テキストマイニング技術: 感情分析,トピックモデリング,感情検出,側面ベースの感情分析.
• 複数の分析技術と利害関係者の関与を通じて有効性を確保します.

主要な成果:

• 全体的な感情は中等に積極的であった (0.42平均の極性);コメントの68.8%は積極的であった.
• 主なテーマは,スタッフの態度 (10.2%),プロフェッショナリズム (10.1%),環境 (10.0%),待ち時間 (10.0%) でした.
• ポジティブな側面:看護師の態度 (0.65),スタッフの協力性 (0.61),ネガティブな側面:待機時間 (-0.42),請求の透明性 (-0.28). 年下の患者は デジタル効率を優先し 年上の患者は 直接のやり取りを重視しました
• 患者とのコミュニケーションが改善され,請求書に関する苦情が減った (-23%).

結論:

• NLPとKDDは 患者のフィードバックを 実行可能な医療改善に変換するための 堅固な枠組みを提供します
• このアプローチにより 患者体験の要因を理解し 改善の機会を特定できます
• フィードバック分析から得られた 証拠に基づいたイニシアチブは 医療の質と患者中心性を高めます