纵向研究退伍军人的粮食不安全性,使用电子健康记录数据和自然语言处理

科学领域:

• 公共卫生 公共卫生
• 医疗信息学 医疗信息学
• 健康的社会决定因素

背景情况:

• 粮食不安全是影响患者健康的重要社会风险因素.
• 退伍军人事务部 (VA) 寻求通过干预来解决粮食不安全问题.
• 评估干预措施的有效性受到退伍军人的纵向粮食不安全数据缺乏的阻碍.

研究的目的:

• 开发和验证一种自然语言处理 (NLP) 系统,用于从电子健康记录 (EHR) 中识别食品不安全.
• 在一大批退伍军人中分析食物不安全的纵向轨迹.
• 为评估粮食不安全干预和VA政策的影响提供可扩展的方法.

主要方法:

• 从临床笔记中提取食品不安全状态的NLP系统的开发和验证.
• 将NLP系统应用于大量退伍军人的电子病历数据队列.
• 对纵向数据的分析,以了解粮食不安全的时间和持续性.

主要成果:

• 一个经过验证的NLP系统,能够从临床文档中识别食品不安全.
• 洞察退伍军人粮食不安全的时间模式和持续时间.
• 展示一种利用电子健康数据来研究健康的社会决定因素的方法.

结论:

• 对EHR的NLP分析为追踪退伍军人粮食不安全提供了可行的解决方案.
• 开发的系统可以支持VA对粮食不安全干预和政策的评估.
• 这种方法可以更深入地了解粮食不安全对退伍军人健康的长期影响.