开发一个框架,从临床笔记推断阿片类药物使用障碍的严重程度,以告知自然语言处理方法:表征研究研究.
Melissa N Poulsen1, Philip J Freda2, Vanessa Troiani3
1Department of Population Health Sciences, Geisinger, Danville, PA, United States.
一个新的注释模式有助于在临床笔记中识别阿片类药物使用障碍 (OUD) 的严重程度,改进自然语言处理 (NLP) 工具,以更好地照顾和治疗患者.
科学领域:
- 医疗信息学 医疗信息学
- 临床自然语言处理 临床自然语言处理
- 药物使用障碍 药物使用障碍
背景情况:
- 准确评估阿片类药物使用障碍 (OUD) 状态和严重程度对于有效的患者管理至关重要.
- 临床笔记包含识别和表征OUD的重要信息,需要先进的自然语言处理 (NLP) 工具.
- 开发NLP工具需要可靠标记的OUD相关文本和对临床文档模式的理解.
研究的目的:
- 开发和评估一个注释方案来描述OUD及其严重程度.
- 从不同患者队伍的临床笔记中记录OUD相关信息的模式.
- 为开发用于OUD检测和表征的自动NLP方法提供信息.
主要方法:
- 根据DSM-5对OUD严重性的标准开发了一个注释模式.
- 从100名成年患者的临床笔记中,注释了1436个句子.
- 使用27个类计算了OUD严重性得分,并确定了OUD严重性检测的积极预测值.
主要成果:
- 标注方案显示了良好的标注者之间的协议 (>70%为11/15批).
- 非对照组患者的OUD严重程度平均得分为5.1 (SD 3.2),表明OUD中度.
- 检测中度或重度OUD的积极预测值为0.71,进展记录和ED/门诊设置提供了最多的信息.
结论:
- 注释图表显示了从临床笔记中推断OUD严重性的强大潜力.
- 该方案促进了NLP工具的开发,以改善OUD的预防,诊断和治疗.
- 识别文档模式有助于完善OUD管理的NLP方法.
更多相关视频
09:54Combining Laser Capture Microdissection and Microfluidic qPCR to Analyze Transcriptional Profiles of Single Cells: A Systems Biology Approach to Opioid Dependence
Published on: March 8, 2020
07:50A Metadata Extraction Approach for Clinical Case Reports to Enable Advanced Understanding of Biomedical Concepts
Published on: September 20, 2018
相关概念视频
Opioid Analgesics: Morphine and Other Natural Cogeners
Opioid Analgesics: Synthetic and Semisynthetic Opioids
Analgesia and Pain Management
Opioid Receptors: Overview
Drug Abuse and Addiction: Pharmacological Phenomena
Drug Classes and Categories
