机器学习分析了有关乳房重建的在线患者问题

科学领域:

• 整形外科 整形外科 整形外科
• 在瘤学瘤学.
• 医疗信息学 医疗信息学

背景情况:

• 社交媒体平台对于接受乳房重建的患者来说,越来越重要的教育工具.
• 患者积极与同龄人和医疗保健专业人员在线互动,超越了被动的信息消费.
• 之前对在线乳房重建信息的分析并没有集中在对患者产生的问题的详细检查上.

研究的目的:

• 分析和分类在线论坛上发布的关于乳房重建的患者问题.
• 在整个乳房重建过程中确定患者最常见的担忧.
• 为寻求乳房重建信息的患者提供信息并增强教育策略.

主要方法:

• 从Realself.com.com.com提取与乳房重建相关的问题.
• 收集数据,包括每个问题的日期,位置,标题,文本和标签.
• 两个独立审查员对问题进行分类,并使用机器学习分析来识别顶级查询.

主要成果:

• 对522个手术前问题的分析揭示了共同的主题,包括重建方法 (23.2%),植入物选择 (19.5%) 和组织扩展器问题 (16.7%).
• 在整个重建过程中出现了问题,在乳房切除前 (38.3%) 和组织扩张 (28.5%) 阶段出现了大量问题.
• 机器学习发现最常见的问题是:"切除乳房后直接植入乳房能否获得良好的结果?" 淋巴切除术后的问题经常涉及保险/费用和候选人.

结论:

• 在线患者问题为患者在乳房重建期间的需求和担忧提供了宝贵的见解.
• 教育方法可以根据已识别的常见问题和查询时间来改进.
• 患者积极寻求有关重建方案,植入物选择和组织扩张过程的信息.