养老院居民识别:比较地址匹配方法与自然语言处理
Víctor Suárez-Paniagua1,2, Arlene Casey1, Charis A Marwick3
1Usher Institute of Population Health Sciences and Informatics, Advanced Care Research Centre, University of Edinburgh, Edinburgh, United Kingdom.
自然语言处理 (NLP) 方法使用初级保健地址数据准确识别养老院居民. 这种方法优于以前针对弱势群体的方法,改善了养老院居民的数据分析.
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.
- 数据科学数据科学数据科学
背景情况:
- 在例行数据中识别养老院居民是具有挑战性的,因为他们的脆弱性.
- 准确的识别对于健康研究和资源分配至关重要.
研究的目的:
- 开发和验证自然语言处理 (NLP) 方法来识别养老院居民.
- 评估NLP地址匹配技术与黄金标准手动识别的性能.
主要方法:
- 使用NLP进行初级保健地址文本的顺序过和预处理.
- 计算一般医师和注册养老院地址之间的相似性得分.
- 使用来自NHS苏格兰卫生委员会的人口数据评估绩效.
主要成果:
- NLP方法在识别养老院居民方面表现出很高的准确性,在某些情况下,灵敏度和PPV超过90%.
- 根据地区 (菲夫与泰赛德) 和年龄组 (65岁以上的年龄组表现更好) 的表现有所不同.
- 特定的NLP方法如相关性,Cosine,Jensen-Shannon和城市区块显示出优异的结果.
结论:
- 基于NLP的地址匹配是从GP记录中识别养老院居民的可行和准确方法.
- 这种方法超过了传统方法的性能,如邮政编码匹配.
- 开发的NLP系统为涉及养老院人口的健康信息学和研究提供了有价值的工具.
更多相关视频
11:21Methodology for Establishing a Community-Wide Life Laboratory for Capturing Unobtrusive and Continuous Remote Activity and Health Data
Published on: July 27, 2018
06:48Lexical Decision Task for Studying Written Word Recognition in Adults with and without Dementia or Mild Cognitive Impairment
Published on: June 25, 2019
相关概念视频
Documentation in Long-Term and Home Healthcare Setting
Long-Term Care Facilities
Methods of Classification and Identification
Restorative Care
Continuing Care
Prosopagnosia
