为AI和CDSS优化护理数据:使用K-MIMIC进行SNOMED CT映射

科学领域:

• 医疗信息学 医疗信息学
• 护理信息学 护理信息学
• 医疗保健中的人工智能

背景情况:

• 密集护理护理数据需要标准化,用于先进的应用.
• 像SNOMED CT这样的国际术语对于数据互操作性至关重要.
• 开发基于AI的临床决策支持系统 (CDSS) 需要结构化的临床数据.

研究的目的:

• 将韩国重症监护医疗信息中心 (K-MIMIC) 的护理数据映射到SNOMED CT.
• 评估SNOMED CT适用于代表重症监护护理数据的适用性.
• 评估标准化数据对基于人工智能的CDSS开发的潜力.

主要方法:

• 将两个医院的约12,000个K-MIMIC护理条目映射到SNOMED CT.
• 将映射数据分类为精确,广泛和不匹配的条目.
• 分析映射类型 (1:N) 和主要数据类别 (程序,临床发现).

主要成果:

• 8,424个护理数据输入成功地被映射出来.
• 90.4%的准确匹配,8.5%的广泛匹配,1.1%的不匹配的条目.
• 76.9%的数据是1:N映射,主要是程序 (57.1%) 和临床发现 (38.2%).

结论:

• SNOMED CT适用于代表重症监护护理数据.
• 标准化的护理数据支持AI开发和临床决策.
• 未来的研究应该完善映射过程并验证CDSS的有效性.