通过自然语言处理将患者的反转化为可操作的见解:知识发现和行动研究

科学领域:

• 医疗信息学
• 自然语言处理
• 在数据库中发现知识

背景情况:

• 患者的反对于医疗保健质量和组织绩效至关重要.
• 由于数据量,手动分析非结构化反具有挑战性.
• 从患者的评论中提取可操作的见解需要有效的方法.

研究的目的:

• 制定和评估分析患者反数据的方法.
• 使用自然语言处理 (NLP) 和数据库中的知识发现 (KDD) 方法.
• 确定患者体验的模式,主题和变化,以改善医疗保健服务.

主要方法:

• 对126,134名患者的反进行了综合KDD行动研究框架.
• 采用文本挖掘技术:情感分析,主题建模,情感检测和基于方面的情感分析.
• 通过多种分析技术和利益相关者的参与,确保有效性.

主要成果:

• 总体来说,人们的情绪是温和的 (平均两极性为0.42);68.8%的评论是积极的.
• 主要议题包括员工态度 (10.2%),专业性 (10.1%),环境 (10.0%) 和等待时间 (10.0%).
• 积极方面:护士态度 (0.65),工作人员的帮助 (0.61);负面方面:等待时间 (-0.42),账单透明度 (-0.28). 年轻患者优先考虑数字效率, 年长患者重视面对面的互动.
• 干预措施改善了等待时间的满意度 (+18%),医生与患者的沟通 (+15%),并减少了收费投诉 (-23%).

结论:

• NLP和KDD为将患者反转化为可行的医疗改善提供了强有力的框架.
• 这种方法可以了解患者体验的驱动因素,并确定有针对性的改进机会.
• 基于反分析的基于证据的倡议提高了护理质量和以患者为中心.