自然言語処理を用いた眼科診療所での輸送需要の特定: 遡及的,横断的な研究

科学分野:

• 眼科について
• 医療情報学
• 自然言語処理

背景:

• 交通の不安定さは 目の治療へのアクセスに重大な障壁となり 患者の視力に悪影響を及ぼします
• 電子医療記録には 輸送の課題に関する 構造化されたデータがないことが多く 患者の特定と支援を妨げています
• フリーテキストの臨床ノートは 輸送関連の障壁を より効果的に捉えるための潜在的な手段を提供します.

研究 の 目的:

• 自然言語処理 (NLP) アルゴリズムの開発と検証.
• 電子医療記録の輸送障壁を検出するためにNLPを使用する可能性を評価する.
• 交通機関による眼科医療へのアクセスに問題がある患者の特定を改善する.

主な方法:

• 成人患者からの1,801,572の眼科診療メモを分析した遡及的横断研究 (2016年−2023年).
• 規則に基づくNLPアルゴリズムの開発 輸送不安全性を特定したフリーテキストの臨床文書で検出する.
• 精度,リコール,F1スコアを使用してパフォーマンスを評価するために,ゴールドスタンダード専門家レビューに対するNLPアルゴリズムの検証.

主要な成果:

• NLPアルゴリズムは,輸送不確実性の患者726人 (0. 6%) を成功裏に特定し,高い性能を示しました (精度0. 860,リコール0. 960,F1スコア0. 778).
• 高齢の患者 (≥80歳) は,若い成人と比較して,輸送の不安を経験する確率が有意に高かった.
• アジアの患者は,白人患者と比較して,輸送の不安全性が認められる可能性が低い. 性別や人種 (白人対黒人) に関する有意な差異は認められなかった.

結論:

• 自然言語処理 (NLP) は,構造化されていない眼科の臨床ノートから輸送の不確実性を正確に特定するための有効なツールです.
• このNLPのアプローチは,移動障害のある患者を積極的に特定し,必要なリソースにタイムリーに紹介することを容易にすることができます.
• 交通の不確実性を把握することで 患者のサポートが向上し 目の治療の成果が向上する可能性があります