提取自然语言处理的预测准确性 自杀因子得分的三步理论 从退伍军人的临床进展笔记中得出的自杀因子得分
Esther L Meerwijk1, Asqar S Shotqara1, Andrea K Finlay1,2,3
1VA Health Systems Research, Center for Innovation to Implementation (Ci2i), VA Palo Alto Health Care System, Menlo Park, CA.
与使用自然语言处理的自杀三步理论 (3ST) 相比,REACH VET模型在预测高风险水平的自杀风险方面显示出更好的准确性. 需要进一步的研究来完善临床使用的3ST分数.
科学领域:
- * 自杀预防研究.
- * 卫生信息学和预测建模.
- * 临床决策支持系统.
背景情况:
- *卫生系统越来越多地使用风险预测模型来预防自杀.
- *评估不同建模方法的准确性和好处至关重要.
- *退伍军人卫生管理局 (VHA) 采用各种自杀风险评估工具.
研究的目的:
- *比较从临床笔记的自然语言处理 (NLP) 获得的自杀三步理论 (3ST) 因素得分的预测准确度与经过重新训练的VHA REACH VET模型.
- *评估结合自杀企图或死亡结果的预测.
- * 用两种方法准确预测患者的特征.
主要方法:
- *比较的队列研究设计.
- *对2018年5月1日活着的162,132名VHA患者随机样本的两种风险预测方法的评估.
- *分析指数日期前4周内临床遭遇情况.
主要成果:
- *与3ST方法相比,REACH VET模型在最高风险级别 (前1%-5%) 显示出优异的积极预测值和较低的错误负率.
- * 通过3ST (但不是REACH VET) 独特识别的患者没有先前的自杀企图,最近的急救诊所,最近的心理健康释放或双相情感障碍诊断.
- * 这表明每个模型所识别的不同患者配置文件.
结论:
- * REACH兽医教育模型在VHA环境中对高风险自杀预测有希望.
- *建议进行进一步的研究,以优化从NLP获得的3ST因子得分,以便在临床实施.
- * 整合NLP衍生得分可能需要进一步验证和完善临床决策.
更多相关视频
09:55Use of a Psychophysiological Script-driven Imagery Experiment to Study Trauma-related Dissociation in Borderline Personality Disorder
Published on: March 8, 2018
06:55Inverse Probability of Treatment Weighting (Propensity Score) using the Military Health System Data Repository and National Death Index
Published on: January 8, 2020
相关概念视频
Regression Toward the Mean
Self-Report Tests of Personality
Depressive Disorders: Etiology
Biological Factors in Depression
Biological predispositions significantly influence the risk of developing depressive disorders. Genetic studies highlight the role of variations in the serotonin transporter...
Benefits of Self-Esteem
Theory of Attribution I: Correspondent Inference Theory
