语言差异对使用深度学习的住院患者倒检测的影响

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.
• 医疗保健数据分析数据分析

背景情况:

• 非结构化的护理笔记包含有价值的临床信息.
• 准确识别患者的跌倒对于患者的安全和质量改善至关重要.
• 自然语言处理 (NLP) 提供了从文本中提取临床事件的潜力.

研究的目的:

• 调查韩语和英语之间的语言差异对NLP表现的影响.
• 为了评估NLP在分类住院患者摔倒中的有效性,从不同语言的护理笔记.
• 确定跨语言NLP在医疗保健中的挑战和机遇.

主要方法:

• 利用了韩语和英语非结构化护理笔记的数据集.
• 应用NLP技术进行文本分类,以识别住院患者跌倒的情况.
• 在两种语言中比较NLP模型的性能指标.

主要成果:

• 在韩国和英语之间观察到NLP表现的显著差异.
• 每种语言独特的语言特征为识别落提出了独特的挑战.
• 模型的准确性各不相同,这表明可能需要对特定语言进行优化.

结论:

• 语言差异明显影响了NLP在临床文本分析中的表现.
• 跨语言的NLP医疗保健需要仔细考虑语言细微差别.
• 需要进一步的研究来开发针对患者安全事件的强大,语言无关的NLP解决方案.