开发和评估一个文本分析算法,用于在风湿病患者中自动应用国家COVID-19屏蔽标准
Meghna Jani1,2,3, Ghada Alfattni4,5, Maksim Belousov4
1Centre for Epidemiology Versus Arthritis, Centre for Musculoskeletal Research, The University of Manchester, Manchester, UK meghna.jani@manchester.ac.uk.
Annals of the rheumatic diseases
|April 4, 2024
概括
一个自动化算法通过分析门诊信件中的诊断和药物来有效地识别需要COVID-19屏蔽的患者,从而节省临床医生的时间并提高准确性.
科学领域:
- 医疗信息学 医疗信息学
- 公共卫生 公共卫生
- 临床决策支持 临床决策支持
背景情况:
- 由于COVID-19的流行,临床上脆弱的个体需要进行屏蔽.
- 使用门诊信件进行手动风险分层是耗时且不完整的.
- 生物学和并发症在初级保健记录中没有得到一致的捕获.
研究的目的:
- 开发和评估一种自动化算法,用于识别符合屏蔽条件的患者.
- 为了减少临床医生审查患者数据的手工工作量.
- 提高公共卫生倡议风险分层的效率和准确性.
主要方法:
- 从类风湿病门诊信件中对自由文本诊断和药物进行文字挖掘.
- 使用智能医疗对象 (概念标记器) 进行诊断映射到SNOMED-CT代码.
- 开发一个命名实体识别工具来提取药物数据并计算屏蔽得分.
主要成果:
- 自动化算法实现了80%的灵敏度和92%的特异性.
- 积极的概率比为10和负的概率比为0.21.
- 算法成功部署在超过15,000个患者记录上,具有高效的数据提取和部署时间.
结论:
- 自动化风险分层算法在减少临床医生的时间方面提供了显著的优势.
- 开发的算法提高了患者沟通的效率和透明度.
- 这种方法有可能在未来的公共卫生查计划中适应.
