耳鼻喉科医生在线评论的自动分类

科学领域:

• 医疗信息学 医疗信息学
• 自然语言处理自然语言处理.
• 医疗保健分析 医疗保健分析

背景情况:

• 在线患者评论为医疗保健质量提供了有价值的见解.
• 这些评论的自动分析可以为医生和医疗保健系统提供可扩展的反.
• 耳鼻喉学在线评论提供了独特的数据,以了解患者的满意度.

研究的目的:

• 开发和验证一种自然语言处理 (NLP) 算法,用于在线耳鼻喉科医生评论的分类.
• 将评论分类为10个不同的主题.
• 将1星和5星评价的内容进行比较,重点关注与医生相关的和非医生相关的方面.

主要方法:

• 从美国20个城市的healthgrades.com提取了耳鼻喉科医生的1星和5星评价.
• 手动对训练数据集进行分类,并通过单独的子集验证分类.
• 通过使用scikit-learn进行NLP逻辑回归算法的训练和验证,用F1分数评估准确性.

主要成果:

• 在文本分类准确性方面,NLP算法获得了高F1得分 (0.71-0.97).
• 一星评价与治疗计划,可访问性,等待时间,安排,计费和设施有很大关系.
• 五星评价与对手术/手术,床边态度和工作人员互动的积极反相关.

结论:

• 一个经过验证的NLP系统有效地对在线医生评论进行分类,为患者反提供可扩展的见解.
• 积极的评论与医生特定的属性有关,而负面的评论强调了运营和后勤问题.
• 这种自动化文本分类方法准确地捕捉了患者撰写的医疗保健反中的细微差别.