电子健康记录笔记中驱逐状态的自动识别
基于驱逐风险的评分属性近年来引起了广泛关注。本文利用一个新的数据集,在驱逐、财产和业主信息之间进行匹配,对驱逐进行预测并制定有针对性的外展政策,证明了风险评分的实用性,使理论团队的工作人员在相同时间内能够接触到更多面临驱逐风险的财产。与基于社区或最近有驱逐记录的建筑物为重点的外展政策相比,我们还讨论了社区和所有权特征在风险预测和有针对性外展中的重要性。
Jan, 2024
通过在电子健康记录中引入话题提取和临床情绪分析等额外的可解释性自然语言处理功能,本文评估了在精神病患者中预测早期再入院风险的读入风险分类器建立过程中包括额外临床可解释性自然语言处理功能的重要性。
Oct, 2019
通过利用电子病历审计日志,我们的工作在特定的临床背景和特定时间点上,将机器学习作为便签相关性的监督源进行概念化,以降低临床医生在记录过程中查找相关病史所需的努力。我们的评估集中在急诊部动态检索,这是一个具有独特信息检索和记录编写模式的高急症设置。我们展示了我们的方法在预测哪些便签将在个人记录会话中被阅读方面可以达到 0.963 的 AUC。此外,我们对数名临床医生进行了用户研究,发现我们的框架可以帮助临床医生更有效地检索相关信息。在这个要求高的环境中展示我们的框架和方法表现良好是一个有希望的概念验证,表明它们将适用于其他临床设置和数据模态(例如实验室、药物、影像)。
Aug, 2023
比较了使用不同类型医疗记录中的数据 (包括结构化医疗记录和医生笔记) 建立的不同计算表型定义对诊断 COVID-19 住院患者的性能,同时利用回顾性数据分析评估了这些定义的有效性。结果表明,利用自然语言处理方法得到的医生笔记数据集较为有效,比单纯使用结构化医疗记录的数据集或两者结合的数据集效果更好,并且住院患者的诊断分类对患者总体结局指标的测定产生了显著影响。
Feb, 2023
本研究应用自然语言处理技术,通过网络抓取方法及时对地方发布的飓风撤离通知进行检测和追踪,并利用 Web GIS 系统重新分发实时撤离通知,从而为高级政府机构和新闻媒体提供实时数据,帮助学者研究政府对天气警报的反应和撤离历史对个人行为的影响。该框架还可应用于其他类型的灾害,实现快速和有针对性的检索、分类、分发和存档实时政府命令和通知。
Jan, 2024
通过检索增强型医学预测模型(REMed)在电子健康记录上构建临床预测模型,无需手动特征选择和受限观测窗口,验证实验显示 REMed 优于其他架构,能加速电子健康记录预测模型的开发过程。
Oct, 2023
本文介绍了一种基于电子病历的读入住预测模型,通过话题提取构建模型,获取精确可靠的关键词,为患者精细化治疗提供了理论支持,并为后续病例分类提供了基础。
Sep, 2018
在这项研究中,使用临床自然语言处理技术解决了识别和映射标准术语的问题。提出了一种用于提取临床文本中关键概念的 TF-IDF 快捷方法,并使用基于 transformer 的模型设计了两种下游任务,结果表明 SciBERT 模型在结合提出的方法时具有优越性,并为临床笔记的关键短语提取提供了洞察。
Mar, 2023
本文旨在开发出一种预测新冠肺炎患者出院后 7 天内是否重新入院的模型,研究使用了电子健康记录(EHRs)和自然语言处理技术 ScispaCy,以及域对抗神经网络等方法对数据进行处理。结果表明,Multi-DANN 模型可以更好地预测 COVID-19 病人在出院后 7 天内是否需要再次求诊。
Jun, 2023
通过在 EHR 笔记上下文中添加提示,我们设计了并验证了一系列实验,用于实现动态上下文下的生物医学语言模型内置知识库的任务。我们的实验表明,这些语言模型所具有的知识可以从 EHR 笔记的噪声知识中区分出正确的知识,这种区分能力也可以作为一个新的度量来评估模型所具有的知识量。
Aug, 2022