文献

J-GLOBAL ID：201702275794248296   整理番号：17A0475258

救急診療部からの初期医療記録を用いた入院を予測するためのテキストマイニング法【Powered by NICT】

Text mining approach to predict hospital admissions using early medical records from the emergency department

著者 (7件)： Lucini Filipe R. (Industrial Engineering Department, Federal University of Rio Grande do Sul. Av. Osvaldo Aranha, 99, 5° Andar, 90035-190 Porto Alegre, RS, Brazil) ,  S. Fogliatto Flavio (Industrial Engineering Department, Federal University of Rio Grande do Sul. Av. Osvaldo Aranha, 99, 5° Andar, 90035-190 Porto Alegre, RS, Brazil) ,  C. da Silveira Giovani J. (Haskayne School of Business, University of Calgary, 2500 University Dr NW, T2N 1N4 Calgary, AB, Canada) ,  L. Neyeloff Jeruza (Hospital de Clinicas de Porto Alegre, Federal University of Rio Grande do Sul. Rua Ramiro Barcelos, 2350, 90035-903 Porto Alegre, RS, Brazil) ,  Anzanello Michel J. (Industrial Engineering Department, Federal University of Rio Grande do Sul. Av. Osvaldo Aranha, 99, 5° Andar, 90035-190 Porto Alegre, RS, Brazil) ,  de S. Kuchenbecker Ricardo (Hospital de Clinicas de Porto Alegre, Federal University of Rio Grande do Sul. Rua Ramiro Barcelos, 2350, 90035-903 Porto Alegre, RS, Brazil) ,  D. Schaan Beatriz (Hospital de Clinicas de Porto Alegre, Federal University of Rio Grande do Sul. Rua Ramiro Barcelos, 2350, 90035-903 Porto Alegre, RS, Brazil)
資料名： International Journal of Medical Informatics  (International Journal of Medical Informatics)
巻： 100  ページ： 1-8  発行年： 2017年 
JST資料番号： D0729A  ISSN： 1386-5056  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アイルランド (IRL)  言語： 英語 (EN)

抄録/ポイント： 救急部門(ED)密集は病院で重大な問題である。EDにおいて治療を受けた患者の短期内向き層需要に関する初期の情報は過密問題を減少させ,病院資源の利用を最適化するかもしれない。本研究では,SOAPフレームワークを用いた早期ED患者記録からのデータを処理し,将来の入院と放電を予測するためのテキストマイニングの方法を用いた。テキスト記録の前処理のための異なるアプローチを試み,入院を予測した。集合の単語を2進表現,用語頻度,用語頻度逆文書頻度により得た。ユニグラム,bigramとtrigramの100分の1以下の特徴形成を試験した。特徴選択はカイ2乗とFスコア計量に基づいている。予測モジュールでは,八つのテキストマイニング法を試験した:ディシジョンツリー,ランダムフォレスト,非常にランダム化された木,AdaBoost,ロジスティック回帰,多項ナイーブBayes,サポートベクトルマシン(カーネル線形)とNuサポートベクトルマシン(カーネル線形)。予測性能はF1スコアにより評価した。精度と想起値も試験したすべてのテキストマイニング法のための情報である。Nuサポートベクトルマシンは最良の全体的性能を有するテキストマイニング方法であった。入院を予測する上でその平均F1スコアは77.70%であり,0.66%の標準偏差(SD)であった。法は,容量の計画および資源配分のようなEDの日常を管理するために使用することができた。テキストマイニングは,価値ある情報を提供し,内向き床管理チームによる意思決定を容易にすることができた。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： 患者 ,  資源割付 ,  特徴選択 ,  最適化 ,  意思決定 ,  前処理 ,  単語 ,  病院 ,  標準偏差 ,  ディシジョンツリー ,  *サポートベクトルマシン
準シソーラス用語： ロジスティック回帰分析 ,  スコア ,  *テキスト ,  *テキストマイニング , 【Automatic Indexing@JST】

著者キーワード (3件)： テキストマイニング ,  救急部門 ,  臨床意思決定支援

分類 (2件)： 医用情報処理  (JE15030Q) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (5件)： 初期 ,  医療記録 ,  入院 ,  予測 ,  テキストマイニング