May, 2023

利用临床笔记中的主题，识别心力衰竭患者的表型并预测其住院时间

PDF
TL;DR使用 topic modeling 技术识别 1,200 名心衰患者诊断代码及手术报告中的特征主题，以预测他们的住院时间长度，并发现与医学概念间的新关系。心衰患者临床表现多有概率潜在结构，所以该研究结论有助于预测患者生存率及研究患者的个人资料。
发现论文，激发创造
  • 通过深度时间插值和聚类网络在生理特征上识别急性疾病表型

    通过研究对医院入院的最初几个小时进行聚类分析，提取生命体征数据，确定患者表型与病理生理特征及结果，以支持早期临床决策，对分析重现性和与生物标志物的相关性使用了一个规模较大的数据集。

    Jul, 2023

  • 使用自我监督知识融合从入院记录中预测临床结果

    该研究旨在通过临床文本的预测，预防医生忽略潜在风险并帮助医院规划能力。使用语言模型分析预测诊断结果、手术、住院死亡率和住院时间。提出了临床结局预训练来整合多个公共来源的患者结局知识，并提出了一种将 ICD 编码层次结构纳入模型的简单方法，以提高模型的性能和可迁移性，同时也揭示了模型的一些缺陷。

    Feb, 2021

  • 评估临床情感分析和主题提取在精神科再入院风险预测中的功效

    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

  • 利用住院时间预测和离散事件模拟评估紧急科短期住院部的影响

    我们旨在建立一个决策支持系统，以预测从急诊部入院的患者在医院的住院时间，结果表明利用患者入院特征可以相对准确地预测住院时间。

    Aug, 2023

  • 利用自然语言处理和结构化医疗数据对因 COVID-19 住院的患者进行表型分析

    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

  • 患者健康记录中临床笔记和 ICD 码的连续预测建模

    通过研究，我们发现在入院后两天就可以预测最终的 ICD 代码，并且我们提出了一种定制模型，能够在这一早期预测任务上提高性能。

    May, 2024

  • 利用有限的上下文长度发挥最大的预测能力：预测能力因临床记录类型和记录部分而异

    本论文通过研究 MIMIC-III 数据集中的病历笔记，提出了一个基于自然语言处理模型的框架，通过挑选预测能力高的笔记部分来实现有效的信息提取，并在不同类型的笔记结合时提高了模型的性能。

    Jul, 2023

  • 探索社会健康因素的临床社工笔记主题建模

    通过对 0.95 百万份社会工作者记录的词频分析和 LDA 主题建模分析，本文确定了社会卫生风险因素的 11 个主题，包括财务状况、虐待史、社会支持、死亡风险和心理健康等，证明了社会工作者提供了个人社会决定因素上富有独特性和不可获得性的信息。

    Dec, 2022

  • 利用领域自适应进行医院管理的住院期预测

    本文使用历史数据和机器学习技术，将域适应应用于病人的入院单位，从而预测早期的住院时间，并设计了一个适合临床决策支持系统的预测模型。

    Jun, 2023

  • 基于知识模式的慢性心力衰竭管理医生咨询系统

    该论文证明了高度复杂的临床指南可以用基于回答集编程的知识模板系统编码，从而开发出可自动生成针对心力衰竭患者的治疗建议的医生咨询系统，这个系统可以在缺乏完整信息的情况下工作。

    Oct, 2016