比较文本挖掘和手动编码方法:分析关于老年人长期护理中的护理质量的访谈数据
Coen Hacking1,2, Hilde Verbeek1,2, Jan P H Hamers1,2
1Faculty of Health Medicine and Life Sciences, Department of Health Services Research, CAPHRI Care and Public Health Research Institute, Maastricht University, Maastricht, The Netherlands.
文本挖掘显示了分析长期护理质量数据的潜力. 这种自动化方法实现了超过80%的准确性和比手工编码更好的一致性,尽管存在一些局限性.
科学领域:
- 老年学是指老年学的学科.
- 计算语言学 计算语言学
- 医疗保健服务研究 医疗服务研究
背景情况:
- 长期护理设施产生了大量关于护理质量的文字数据,通常来自采访.
- 对这些定性数据的手动分析是耗时和劳动密集的.
- 自动化文本挖掘为高效的数据分析提供了潜在的解决方案.
研究的目的:
- 为了比较文本挖掘与手动编码情绪和长期护理质量数据的主题分析的有效性.
- 在这种情况下,评估文本挖掘的准确性,一致性和专家验证的正确性.
主要方法:
- 开发了文本挖掘模型,并应用于居民,家庭成员和护理专业人员的采访成绩单.
- 在同一数据集上进行手动编码以进行比较.
- 分析包括准确性 (协议),一致性 (内部可靠性) 和专家反.
主要成果:
- 文本挖掘实现了80%以上的一致性,与手动编码实现了主题和情感分配.
- 与手动编码相比,文本挖掘显示出更高的一致性.
- 专家反表明了文本挖掘和手动方法的局限性,以及优势.
结论:
- 文本挖掘是一个可行的,高效的工具,用于分析长期护理中大量的定性数据.
- 该研究强调了文本挖掘在简化质量评估方面的潜力,同时承认了需要方法改进的领域.
- 研究结果表明,文本挖掘可以补充或改进老年学研究中的传统手工分析方法.
更多相关视频
09:20Cloud-Based Phrase Mining and Analysis of User-Defined Phrase-Category Association in Biomedical Publications
Published on: February 23, 2019
11:21Methodology for Establishing a Community-Wide Life Laboratory for Capturing Unobtrusive and Continuous Remote Activity and Health Data
Published on: July 27, 2018
相关概念视频
Documentation in Long-Term and Home Healthcare Setting
Long-Term Care Facilities
Data Collection II
Methods of Documentation VI: Case Management Model
For example, a patient with a chronic...
Methods of Documentation V: CBE
In CBE, healthcare professionals establish predefined standards of practice that define what constitutes...
Data Reporting and Recording
Data Collection I
