予後臨床予測モデルにおける非構造テキストの使用: 系統的レビュー【JST・京大機械翻訳】

Seinen, T. M.; Fridgeirsson, E.; Ioannou, S.; Jeannetot, D.; John, L. H.; Kors, J. A.; Markus, A. F.; Pera, V.; Rekkas, A.; Williams, R. D.; van Mulligen, E.; Rijnbeek, P. R.

プレプリント

J-GLOBAL ID：202202220514743937 整理番号：22P0319600

予後臨床予測モデルにおける非構造テキストの使用: 系統的レビュー【JST・京大機械翻訳】

Use of unstructured text in prognostic clinical prediction models: a systematic review

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (12件)： , , , , , , , , , , ,
資料名：
発行年： 2022年01月18日プレプリントサーバーでの情報更新日： 2022年01月18日
JST資料番号： O7002B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

目的:この系統的レビューは,非構造化臨床テキストからの情報が,予後リスク予測モデルを開発し,検証するためにどのように使用されるかを評価することを目的とする。予測問題と方法論的景観をまとめ,より一般的に使用される構造化データに加えて非構造化臨床テキストデータを用いたかどうかは予測性能を改善した。材料と方法:著者らは,2005年1月から2021年3月までの間に発表された非構造化臨床テキストデータを用いて,予後リスク予測モデルを開発する研究を同定するために,Embase,MEDLINE,Web of Science,およびGoogle Scholarを検索した。データ項目を抽出し,解析し,モデル性能のメタ分析を行い,構造化データモデルに対するテキストの付加価値を評価した。結果:145の臨床予測問題を記述する126の研究を同定した。テキストと構造化データを結合することは,テキストのみまたは構造化データだけの使用と比較して,モデル性能を改善した。これらの研究において,多様な高密度でスパースな数値テキスト表現を,深層学習とより伝統的な機械学習法の両方と組み合わせた。開発したモデルの外部検証,公共アベイラビリティ,および説明可能性は限られていた。結論:全体として,予後予測モデルの開発における非構造化臨床テキストデータの使用は,ほとんどの研究において構造化データに加えて有益であることが分かった。EHRテキストデータは,予測モデル開発のための貴重な情報の源であり,無視すべきではない。臨床診療におけるロバストで信頼できる予測モデルを促進する,開発したモデルの説明可能性と外部検証に関する将来の焦点を示唆した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

医用情報処理

, , ,

前のページに戻る