文献

J-GLOBAL ID：202002258446070639   整理番号：20A0278997

患者の安全事象のシステム中心分析に向けて:最適化された事故分類と情報提示による根本原因分析の改善【JST・京大機械翻訳】

Toward systems-centered analysis of patient safety events: Improving root cause analysis by optimized incident classification and information presentation

著者 (5件)： Liang Chen (Department of Health Services Policy and Management, Arnold School of Public Health, University of South Carolina, Columbia, SC, United States) ,  Zhou Sicheng (School of Biomedical Informatics, University of Texas Health Science Center, Houston, TX, United States) ,  Yao Bin (School of Biomedical Informatics, University of Texas Health Science Center, Houston, TX, United States) ,  Hood Donna (Division of Nursing, Louisiana Tech University, Ruston, LA, United States) ,  Gong Yang (School of Biomedical Informatics, University of Texas Health Science Center, Houston, TX, United States)
資料名： International Journal of Medical Informatics  (International Journal of Medical Informatics)
巻： 135  ページ： Null  発行年： 2020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： 患者安全性イベントのシステム中心の根本原因分析(RCA)は,医療システムの脆弱性を明らかにすることを目的として,独特の利点を提示する。しかしながら,収集されたイベントの数の増加は,従来のRCAに対する低効率と情報過負荷の問題を引き起こす。本研究は,最適化された情報抽出と提示を開発することによって,システム中心のRCAを改善することを目的とした。著者らは,2つの独立した供給源からの3333の脱同定された患者安全事象報告から,安全関連情報を抽出するために,監督された機械学習法を実験した。抽出された情報に基づいて,最適化された情報提示が従来のRCAにおけるシステム脆弱性の開示を容易にするのを助けることができるかどうかをさらに評価した。マルチラベルテキスト分類は,患者安全イベントの物語記述からの安全関連情報の同定に有効である。Nive Bayesと結合したPruned Setsは,1つのデータセットにおいて実行されたアルゴリズムであり,全体的なFスコアは60.0%で,最も高いFスコアは「逆薬物反応」を同定するために96.0%であった。Naive Bayesと結合した分類器チェーンは,他のデータセットにおいて実行されたアルゴリズムであり,全体的なFスコアは43.2%で,最高のFスコアは「Medic」を同定するために64.0%であった。RCAの間,人間専門家はシステム脆弱性を同定する利点を示す情報の最適化提示を適用した。著者らの研究は,患者安全イベントの物語記述からの安全関連情報を同定するためのマルチラベルテキスト分類を用いることの実現可能性を実証した。安全関連情報によってグループ化されたとき抽出された情報は,システム中心のRCAを実行し,システム脆弱性を開示するために,人間の専門家をより良く支援することができる。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 医療過誤 ,  *最適化 ,  アルゴリズム ,  機械学習 ,  過負荷 ,  チェーン ,  情報抽出
準シソーラス用語： テキストマイニング ,  Naive Bayes ,  テキスト分類 ,  脆弱性 ,  医療システム ,  *根本原因分析法 ,  情報提示 ,  *患者安全 , 【Automatic Indexing@JST】

著者キーワード (5件)： 患者の安全 ,  医療過誤 ,  根本原因分析 ,  機械学習 ,  テキストマイニング

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (8件)： 患者の安全 ,  事象 ,  分析 ,  最適化 ,  事故 ,  分類 ,  情報提示 ,  根本原因分析