文献

J-GLOBAL ID：201702274936554623   整理番号：17A0376408

病に対する入院を自動的に分類するテキストマイニング電子病院記録:連結データ源の影響の測定【Powered by NICT】

Text mining electronic hospital records to automatically classify admissions against disease: Measuring the impact of linking data sources

著者 (12件)： Kocbek Simon (Kinghorn Centre for Clinical Genomics, Garvan Institute of Medical Research, Sydney, Australia) ,  Kocbek Simon (School of Science, RMIT University, Melbourne, Australia) ,  Kocbek Simon (Department of Computing and Information Systems, University of Melbourne, Melbourne, Australia) ,  Cavedon Lawrence (School of Science, RMIT University, Melbourne, Australia) ,  Martinez David (Department of Computing and Information Systems, University of Melbourne, Melbourne, Australia) ,  Bain Christopher (Mercy Health, Heidelberg, Australia) ,  Bain Christopher (Faculty of Information Technology, Monash University, Clayton, Australia) ,  Manus Chris Mac (Health Informatics Department, Alfred Hospital, Melbourne, Australia) ,  Manus Chris Mac (Now with OzeScribe, Melbourne, Australia) ,  Haffari Gholamreza (Faculty of Information Technology, Monash University, Clayton, Australia) ,  Zukerman Ingrid (Faculty of Information Technology, Monash University, Clayton, Australia) ,  Verspoor Karin (Department of Computing and Information Systems, University of Melbourne, Melbourne, Australia)
資料名： Journal of Biomedical Informatics  (Journal of Biomedical Informatics)
巻： 64  ページ： 158-167  発行年： 2016年 
JST資料番号： B0827A  ISSN： 1532-0464  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： テキストおよびデータマイニングは健康と病院情報システムからの洞察を得るために重要な役割を果たしている。本論文では,いくつかの疾患:肺癌,乳癌,結腸癌,呼吸器と消化器官,多発性骨髄腫の二次悪性腫瘍と悪性形質細胞腫瘍,肺炎,および肺塞栓症に対する陽性標識入院を検出するためのテキストマイニングシステムを提案した。テキスト分類性能に及ぼす多重データ源を結合する効果を特に検討した。サポートベクトルマシン分類器は,八個のデータ源組合せに対して構築し,精度,リコールとFスコアの測定基準を用いて評価した。サブサンプリング技術は,医療記録の不均衡データセットに対処するために使用されている。初期データ源として放射線医学報告書を使用し,他の源,病理学報告と患者・入院データなどを加え,多重データ源の値の影響に関する研究課題を評価した。統計的有意性を,Wilcoxon符号順位検定を用いて測定した。第二セットの実験は,より大きな深さにおけるシステムの様相を調べ,肺癌に焦点を当てた。特徴選択の影響を調べ学習曲線の解析すべてのデータ源からの報告を含むもののみに入院制限の影響を調べるサブサンプリングを減少させることの影響を調べた。これらの実験は,可変完全性の不均衡データの文脈におけるテキスト分類を適用する最善の方法のより良い理解を提供する。放射線問題と患者と入院データは,最も疾患を検出するための有用な情報に寄与し,放射線医学報告単独または放射線と病理学報告の組合せに添加した時の性能を大きく改善した。全体として,データ源を連結する試験した全ての疾患で有意に改良された分類性能。しかし,全てのシナリオに適合する単一アプローチではない;データ源の最も効果的な組み合わせの選択は分類すべき特定疾患に依存する。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 病理 ,  特徴選択 ,  結腸腫瘍 ,  病理学 ,  サポートベクトルマシン ,  病歴 ,  *入院 ,  患者 ,  肺腫瘍 ,  データマイニング ,  乳房腫瘍 ,  放射線医学
準シソーラス用語： 不均衡データ ,  *テキスト ,  *テキストマイニング , 【Automatic Indexing@JST】

著者キーワード (6件)： 癌記録検索 ,  テキストマイニング ,  自然言語処理 ,  電子健康記録 ,  放射線医学 ,  病理

分類 (2件)： 医用情報処理  (JE15030Q) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (6件)： 病 ,  入院 ,  分類 ,  テキストマイニング ,  電子 ,  病院