使用机器学习驱动的方法,创新对类炎患者的护理

科学领域:

• 数字健康数字健康
• 患者报告的结果
• 计算社会科学 计算社会科学

背景情况:

• 了解患者的日常经历对于提高在沙尔科毒症中以患者为中心的护理至关重要.
• 目前的患者观点主要来自传统的调查和定性研究方法.
• Sarcoidosis 的日常生活现实往往在临床观察的范围之外.

研究的目的:

• 采用一种基于机器学习的新方法 (MLD) 来评估患者对其沙症护理轨迹的看法.
• 为了更深入地了解患者的旅程,超越传统的研究方法.
• 识别患者叙述中的关键决策点和情绪基调.

主要方法:

• 利用荷兰最大的沙尔科毒症患者平台,提取患者的故事与同意.
• 应用主题建模来识别关键主题和情感分析来衡量患者叙述中的情感基调.
• 通过对最高职位的手动审查验证了发现,并构建了一个深入的患者疾病轨迹地图.

主要成果:

• 对4969个论坛帖子的分析产生了30个主题和10个主题,形成了一个全面的患者旅程地图.
• 确定了关键决策点,不同的护理途径 (家庭和医院),以及相关的情感情绪.
• 患者的观点主要集中在症状 (负面情绪),疾病修饰药物 (中性情绪) 和生活质量 (混合情绪) 上.

结论:

• 癌症患者体验的很大一部分发生在医院以外的环境中,并且经常被忽视.
• 机器学习驱动的方法提供了一种创新的方法,可以全面了解患者的健康和护理观点.
• 将这些以患者为导向的见解整合到医疗保健提供设计中,可以显著改善以患者为中心的沙尔科毒症护理.