对门诊病人的叙事笔记进行文字挖掘,以预测精神病医院住院的风险

科学领域:

• 临床信息学 临床信息学
• 精神病学是一个精神病学.
• 医疗保健服务研究 医疗服务研究

背景情况:

• 患有严重和持续性精神疾病 (SPMI) 的患者面临高的住院再接收率.
• 对SPMI再入院的预测模型通常依赖于结构化数据,在临床叙述中可能缺少细微差别.
• 有效的风险分层对于及时干预和改善患者结果至关重要.

研究的目的:

• 评估门诊叙事笔记的文本挖掘,以预测SPMI患者的入院再接收风险.
• 在与再住院相关的临床笔记中识别特定的语言特征.
• 使用非结构化临床数据增强现有的预测模型.

主要方法:

• 在第三级医院对SPMI患者的门诊临床笔记进行了一项为期五年的追溯研究.
• 集成分类和实体识别技术用于文本挖掘.
• 混合效应物流回归模型重新住院风险,结合临床变量和文本挖掘特征.

主要成果:

• 文本挖掘在门诊笔记中发现了统计学上显著的语言模式,与住院风险相关.
• 影响再入院的关键因素包括门诊访问的连续性,药物变化,长效抗精神病剂注射 (LAI),强制性治疗命令 (CTO) 和治疗中断.
• 联合治疗机构和地方医疗机构的存在降低了再接收风险,而治疗中断增加了风险.

结论:

• 叙述性临床笔记的文本挖掘为预测SPMI医院再入院提供了宝贵的见解.
• 整合文本挖掘数据可以提高风险预测模型的准确性.
• 这些发现支持基于临床笔记分析为高风险SPMI患者开发有针对性的预防干预措施.