使用cTAKES从临床笔记中提取住房和粮食不安全信息
Min Hee Kim1,2, Silvia Miramontes3, Shivani Mehta4
1Institute for Health, Health Care Policy, Aging Research & School of Nursing, Rutgers, The State University of New Jersey, New Brunswick, New Jersey, USA.
自然语言处理 (NLP) 显示了在识别与健康相关的社会需求 (HRSN) 方面存在挑战,例如老年人的食物和住房不安全性电子健康记录 (EHR). 不规范的术语和不良的EHR集成阻碍了准确的数据提取.
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.
- 健康的社会决定因素
背景情况:
- 电子健康记录 (EHR) 越来越多地用于捕获患者数据.
- 与健康相关的社会需求 (HRSNs) 显著影响健康结果,特别是在老年人中.
- 自然语言处理 (NLP) 提供了从EHR中提取非结构化数据的潜力.
研究的目的:
- 评估使用NLP的有效性和挑战,特别是临床文本分析和知识提取系统 (cTAKES),以识别老年人中的HRSN.
- 评估cTAKES在EHR中识别粮食和住房不安全方面的表现.
- 在临床笔记中识别NLP驱动的HRSN确定障碍.
主要方法:
- 使用具有概念独特标识符和药物代码系统化命名规范的cTAKES,从未识别的EHR中提取HRSN信息.
- 通过手动查看粮食不安全 (包括查) 和住房不安全 (不包括) 的图表来验证cTAKES的表现.
- 分析了加利福尼亚州一个大型医疗保健系统55岁以上的119,127名患者的1,385,259份临床笔记 (2013-2022年).
主要成果:
- 对于住房不安全,cTAKES表现出适度的积极预测值 (77.5%),但往往无法识别相关概念.
- 由于结构化查工具数据的标记不正确,粮食不安全的表现不佳 (18.5%的积极预测值).
- 在算法认可的概念和实际的患者挑战之间观察到显著的差异.
结论:
- 像cTAKES这样的NLP系统在准确识别老年人的食物和住房不安全方面面临着巨大的挑战.
- 障碍包括电子健康记录中的非标准化术语和HRSN查工具的不充分整合.
- 改进的NLP模型和EHR集成对于有效利用临床笔记来满足社会需求至关重要.
更多相关视频
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
07:31A Computerized Functional Skills Assessment and Training Program Targeting Technology Based Everyday Functional Skills
Published on: February 13, 2020
相关概念视频
Documentation in Long-Term and Home Healthcare Setting
Long-Term Care Facilities
Data Collection II
Data Collection I
Statistical Software for Data Analysis and Clinical Trials
Clinical Trials: Overview
