使用自然语言处理和患者旅程集群用于对猫咬的抗菌疗法的时间表型
Brian Hur1, Karin M Verspoor2, Timothy Baldwin3
1Asia-Pacific Centre for Animal Health, Melbourne Veterinary School, University of Melbourne, Parkville, Victoria, Australia; School of Computing and Information Systems, University of Melbourne, Parkville, Victoria, Australia; Biomedical Informatics and Medical Education, University of Washington School of Medicine, Seattle, WA, USA.
这项研究开发了一个使用NLP和机器学习来分析兽医患者治疗旅程的框架. 它确定了猫咬的独特时间表型,揭示了抗菌素使用和手术干预的模式.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 数据科学是数据科学.
- 计算生物学是一种计算生物学.
背景情况:
- 患者旅程的时间表型化有助于了解兽医中抗菌药物的使用.
- 识别治疗模式可以为抗微生物药物管理计划提供信息,以打击抗微生物药物耐药性.
研究的目的:
- 提出使用NLP和机器学习来从临床数据中提取时间表型的框架.
- 分析患者的猫咬的旅程,以了解抗菌药物和手术干预之间的关系.
主要方法:
- 从兽医临床记录中提取了猫咬的病例 (VetCompass澳大利亚).
- 训练了一个分类器来标记关键的临床事件,并将记录处理成编码字符串.
- 使用加权的Levenstein距离和KMeans++来识别患者旅程变化,集群治疗序列.
主要成果:
- 确定了9种不同的时间表型,用于治疗猫咬的病人旅程.
- 在阿莫西西林和手术中发现了最短的抗菌药物持续时间 (3.4天).
- 观察到最长的抗微生物药物持续时间 (27天) 是使用塞福维辛而没有手术.
结论:
- 展示了一种从基于文本的临床记录中提取时间表型的方法.
- 强调了这种方法在获得治疗影响的现实世界证据方面的有效性.
- 提供了对兽医中的抗微生物治疗模式和结果的见解.
更多相关视频
09:59Application of the Intelligent High-Throughput Antimicrobial Sensitivity Testing/Phage Screening System and Lar Index of Antimicrobial Resistance
Published on: July 21, 2023
09:20Cloud-Based Phrase Mining and Analysis of User-Defined Phrase-Category Association in Biomedical Publications
Published on: February 23, 2019
