自然语言处理与诊断对比 基于代码的方法用于后神经疼痛识别:算法开发和验证

科学领域:

• 医疗信息学 医疗信息学
• 计算语言学 计算语言学
• 流行病学 流行病学

背景情况:

• 后神经痛 (PHN) 是疹 (HZ) 的一个痛苦的并发症.
• 目前使用诊断码和处方数据在电子健康记录 (EHR) 中识别PHN的方法具有可疑的准确性.
• 手动查看图表是准确的,但成本高且耗时.

研究的目的:

• 开发和验证一种自然语言处理 (NLP) 算法,用于从非结构化EHR数据中自动识别PHN.
• 将NLP算法的性能与传统的基于代码的方法进行比较.

主要方法:

• 一项回顾性研究利用了来自南加州凯泽永久医院的电子健康记录数据.
• 开发和验证数据集是随机抽取的,来自50岁以上的患者,有HZ和抗病毒处方.
• 性能指标包括灵敏度,特异性,PPV,NPV,F-score和MCC被评估与手动图表审查作为参考标准.

主要成果:

• 该NLP算法表现出高精度,达到90.9%的灵敏度,98.5%的特异性,82%的PPV和99.3%的NPV.
• 在NLP算法中,复合分数为0.89 (F-score) 和0.85 (MCC).
• 基于代码的方法显示性能明显较低,F分数和MCC分别在0.45-0.59和0.32-0.61之间.

结论:

• 一种基于NLP的自动化方法可以准确地从EHR中识别PHN病例.
• 这种NLP方法为基于人群的PHN研究提供了可行的和高效的工具.