先进的护理计划内容编码与自然语言处理编码

科学领域:

• 临床信息学 临床信息学
• 自然语言处理自然语言处理.
• 医疗保健服务研究 医疗服务研究

背景情况:

• 先进的护理规划 (ACP) 对于以患者为中心的护理至关重要,但受到了不良的采用和可变的文档完整性.
• 护理地点的非洲和非洲国家和地区文件缺口妨碍了有效的患者护理协调和决策.

研究的目的:

• 评估自然语言处理 (NLP) 在电子健康记录中识别高级护理计划 (ACP) 主题的实用性.
• 通过使用NLP,在大量临床笔记中评估非洲和非洲国家的文献的变异性.

主要方法:

• 四名专家对ACP主题进行了息护理笔记的注释,实现了高度的注释者间共识 (Fleiss kappa = 0.753).
• 监督机器学习模型 (bert-base-uncased,Bio_ClinicalBERT) 使用5倍交叉验证进行训练,表现出强的性能 (F1=0.8,精度=0.75,回忆=0.86).
• 经过训练的NLP模型被应用于12,711份临床笔记的库中,以分析非洲和非洲的文档模式.

主要成果:

• 在NLP模型成功地识别了高精度的ACP主题,表明他们的自动化分析的潜力.
• 将模型应用于完整的笔记库显示,在ACP信息的完整性和存在方面存在显著的变化.
• 该研究强调NLP能够系统地评估大规模临床数据的文档质量.

结论:

• 自然语言处理提供了一个有前途的基于信息学的方法来支持和改进高级护理规划 (ACP).
• NLP工具可以帮助识别文档缺口,并通过确保全面的ACP信息来支持以患者为中心的护理.
• 进一步开发和实施NLP可以提高在临床实践中ACP文件的一致性和质量.