使用自然语言处理来解释对医疗服务的非结构化患者反:范围审查

科学领域:

• 医疗信息学 医疗信息学
• 自然语言处理自然语言处理.
• 患者体验研究 研究研究

背景情况:

• 非结构化的患者反 (UPF) 提供了直接的患者见解,通过在线医疗保健平台放大.
• 自然语言处理 (NLP) 技术,如情绪分析和话题建模,越来越多地用于分析UPF.
• 在医疗保健中分析UPF的NLP的范围和临床相关性仍然不清楚.

研究的目的:

• 对NLP技术在医疗保健中解释UPF的应用进行范围审查.
• 在UPF分析中识别NLP的医疗保健环境,目的和报告的临床影响.
• 综合目前关于NLP在了解患者体验中的作用的研究.

主要方法:

• 搜索了MEDLINE,Embase,CINAHL,Cochrane和谷歌学者在2024年2月没有日期限制.
• 包括在可识别的医疗保健机构或涉及提供者中使用NLP对UPF的英语研究.
• 排除了仅使用人类编码或NLP对结构化/非患者反的研究;数据以叙事方式合成.

主要成果:

• 52项研究符合纳入标准,主要来自二级护理 (n=33).
• 常见的NLP技术包括情绪分析 (n=32),话题建模 (n=15) 和文本分类 (n=7).
• 在NLP洞察力和传统质量指标之间发现了有限的关联,报告的临床影响很少.

结论:

• 在UPF中,NLP主要用于识别支持积极患者体验的因素.
• 尽管有学术上的兴趣,但临床环境中NLP实施的证据很少.
• 未来的研究应该专注于NLP捕捉医疗保健细微差别的能力,与质量指标保持一致,并影响临床医生的行为.