使用主题建模的机器学习方法来识别和评估结肠直肠癌患者的经验:探索性研究

科学领域:

• 医疗信息学 医疗信息学
• 计算社会科学 计算社会科学
• 瘤学患者经验研究研究

背景情况:

• 癌症幸存者数量的增加和医疗保健专业人员的短缺使得癌症护理的可获得性受到压力.
• 医疗技术对于管理患者旅程至关重要,但定性见解往往受患者愿意分享的意愿所限制.
• 了解患者在整个癌症过程中的日常生活需要创新的数据分析方法.

研究的目的:

• 通过使用一种新的机器学习方法,大规模识别和评估患者的体验.
• 利用患者论坛的数据,了解患者的旅程.
• 根据确定的经验,开发一个患者社区旅程图.

主要方法:

• 在美国癌症幸存者网络论坛上利用了来自结直肠癌 (CRC) 患者的212,107条帖子.
• 应用机器学习主题建模,以识别论坛讨论中的模式.
• 分析了按家庭和医院背景分类的帖子,对发现进行了专家评估,并开发了患者社区旅程地图.

主要成果:

• 从论坛数据中确定了37个主题和10个集群,其中"与CRC生活中的日常活动"和"理解治疗"占主导地位.
• 在家庭背景下进行的讨论显示出比在医院背景下进行的讨论更多的情感内容.
• 建立了一个患者社区旅程地图,以视觉形式表示CRC患者面临的各种经验和挑战.

结论:

• 通过机器学习支持的患者论坛分析提供了一种有前途的方法,可以在规模上了解各种患者体验.
• 在家庭讨论中,情感内容的增加凸显了CRC在临床环境之外的深刻个人影响.
• 患者社区旅程映射为日常挑战提供了宝贵的见解,对于及时和适当的患者支持至关重要.