从养老院工作人员的短信中开发和评估4M分类,使用精心调整的生成语言模型

科学领域:

• 在医疗保健中的自然语言处理.
• 老年护理信息学 老年护理信息学
• 卫生系统研究 卫生系统研究

背景情况:

• 年龄友好型卫生系统 (AFHS) 4M框架 (重要的是什么,药物治疗,心理辅导,流动性) 对于老年人护理至关重要.
• 从非结构化的临床文本中提取4M概念是具有挑战性的.
• 需要自动化方法来处理大量的医疗保健通信.

研究的目的:

• 微调语言模型,从养老院工作人员的短信中提取AFHS 4M框架表达式.
• 将提取的表达式自动映射到结构化的分类学中.
• 探索提取的表达式中的关系和主题.

主要方法:

• 利用了来自密苏里州12个养老院的21,357条短信的数据集.
• 附注860条消息,以创建一个黄金标准数据集用于评估.
• 微调语言模型并使用科恩的卡帕 (κ ≥0.60值) 评估性能.
• 将提取物聚类,标记和排列成一个分类学.

主要成果:

• 微调的模型实现了改善的4M内容的提取, κ = 0.73.
• 确定了与护理偏好,药物,认知和移动性相关的关键表达集群.
• 证明了模型在数据中发现主题的能力.

结论:

• 4M模型和分类学的初步开发有助于从临床文本中提取知识.
• 支持未来开发一个全面的4M本体学.
• 强调语言模型在本体论创建中的作用,强调需要专家共识,并承认目前的局限性.