Исследование в августе 24/31 проблема ДЛИННОЙ ХЛОПЧАТОБУМАЖНОЙ ОДЕЖДЫ нашло значительное преимущество в использовании обработки естественного языка для идентификации послеоперационных хирургических осложнений. Процесс естественного языка может использоваться, чтобы счесть клиническим и примечания прогресса пациентов посредством поисков сделанный в электронной медицинской документации (EMRs) и выполняет лучше, чем обычно используемые кодексы административной информации, чтобы идентифицировать любые послеоперационные хирургические осложнения.
Ряд 20 мер, названных индикаторами безопасности пациентов, был создан Агентством исследований и оценки качества медицинского обслуживания, чтобы улучшить способность идентификации любых проблем безопасности пациентов. Меры находят любые вероятные нежелательные явления, происходящие во время госпитализации с помощью административной информации.
Очевидно, что большинство автоматизированных методов, используемых, чтобы идентифицировать согласия безопасности пациентов, в настоящее время полагается на административную информацию. Путем осуществления свободных текстовых поисков это обеспечило бы дополнительное наблюдение.
Авторы написали:«Развитие автоматизированных подходов, таких как обработка естественного языка, тот экстракт определенные медицинские понятия из текстовых медицинских документов, не полагающихся на кодексы выброса, предлагает сильную альтернативу или ненадежной административной информации или трудоемким, дорогим ручным обзорам историй болезни. Тем не менее, было немного исследований, расследующих инструменты обработки естественного языка для обнаружения нежелательных явлений. Не известно, выполнит ли подход наблюдения на основе языковых поисков обработки свободных текстовых документов лучше, чем в настоящее время используемые инструменты на основе административной информации».Исследование было выполнено Харви Дж.
Мерффом, Доктором медицины, M.P.H. и коллегами Медицинского центра Дел Ветеранов и Университета Вандербилт, Нэшвилл, Теннесси, чтобы вычислить эффективность идентификации послеоперационных осложнений с основанным на обработке подходом в сети единиц здравоохранения с тем же EMR.В общей сложности 2 974 пациента (95%-й мужчина, средний возраст 64,5 лет) были включены в исследование, пациенты все переносили стационарные операции с 1999 до 2006 в одном из 6 медицинских центров Управления здравоохранения ветеранов (VHA).
Результаты, измеренные обзором медицинской документации Хирургической Программы Повышения качества VA, включали послеоперационные случаи пневмонии, тромбоза глубоких вен, острого диализа требования почечной недостаточности, легочной эмболии, сепсиса или сердечного приступа.Исследователи сравнили производительность подхода естественного языка против использования информации о кодировании выброса (установленный 20 мерами) при идентификации любого из осложнений.Аналитические образцы нашли показатели следующих послеоперационных результатов, которые развили пациенты:острый диализ требования почечной недостаточности составлял 2 процента (39 из 1 924)тромбоз глубоких вен составлял 1 процент (29 из 2 327)пневмония составляла 16 процентов (222 из 1 405)легочная эмболия составляла 0,7 процента (18 из 2 327)сердечный приступ составлял 2 процента (35 из 1 822)сепсис составлял 7 процентов (61 из 866)
Подход естественного языка имеет высокую чувствительность и более низкие специфичности.Авторы написали:«Увеличение чувствительности основанного на обработке естественного языка подхода по сравнению с индикатором безопасности пациентов было более, чем 2-кратным для острой почечной недостаточности и сепсиса и по 12-кратному для пневмонии.
Специфичности составляли 4 процента к на 7 процентов выше с методом индикатора безопасности пациентов, чем подход обработки естественного языка.Обработка естественного языка правильно идентифицировала 82 процента острых случаев почечной недостаточности по сравнению с 38 процентами для индикаторов безопасности пациентов. Подобные результаты были получены для венозной тромбоэмболии (59 процентов по сравнению с 46 процентами), пневмония (64 процента по сравнению с 5 процентами), сепсис (89 процентов по сравнению с 34 процентами), и послеоперационный инфаркт миокарда (91 процент по сравнению с 89 процентами).
И обработка естественного языка и индикаторы безопасности пациентов были очень определенными для этих диагнозов."Существует несколько преимуществ для использования подхода обработки естественного языка, чтобы идентифицировать медицинские качественные проблемы, как указали авторы:«Сначала гибкость подхода, чтобы удовлетворить отдельные установленные потребности. Как только документы были обработаны, разные подходы и стратегии вопроса идентифицировать определенный результат могут быть осуществлены в относительно низком программном усилии, использующем стандартные приложения вопроса базы данных.
Во-вторых, в противоположность административным кодексам, стратегии поиска с помощью ежедневных примечаний прогресса, отчетов микробиологии или отчетов отображения могли быть проверены на проспективной основе. Таким образом этот подход мог потенциально идентифицировать осложнения, в то время как пациент находится все еще в больнице, которая могла значительно облегчить процессы гарантии качества в реальном времени…..Наконец, в системах с высоко интегрированным EMRs, проспективное наблюдение могло быть расширено на амбулаторного больного, устанавливающего для людей, остающихся с системой здравоохранения."Будущее электронной медицинской документации обещает, но требует большего количества финансирования
Передовая статья Accompnying Ашиша К. Джхи, доктора медицины, М.П.Х., Высшей школы здравоохранения Гарварда, Бостон, объяснил потребность в там к большему количеству инвестиций, входящих в исследование и развитие процесса естественного языка (NLP), если люди действительно серьезно относятся к получению его полной выгоды.Доктор Джха написал:«Murff и коллеги сосредоточились на одном определенном применении идентификации нежелательных явлений после операции.
Десятки перестановок и комбинаций синтаксиса были проверены и настроены, чтобы идентифицировать оптимальную стратегию обнаружения осложнений в электронной медицинской документации (EHR). Чтобы понять преимущества процесса естественного языка, этому виду исследования будет нужно дальнейшее развитие не только, чтобы найти, что лучшие алгоритмы, но также и привлечь анализ EHR по делу о дисциплинах кроме хирургии и оптимизировать автоматизированный EHR ищут различные типы клинических врачей.Несмотря на то, что существует превращение в капитал компаний частного сектора из преимуществ процесса естественного языка, чтобы помочь клиническим врачам, и организации улучшают поставку заботы, федеральное правительство может играть полезную роль путем финансирования необходимого lo фундаментального исследования, начинают эту область вперед."