文献

J-GLOBAL ID：202202228955944340   整理番号：22A1095285

臨床ノート:在宅健康管理中の入院と救急部門訪問のためのリスク予測を改善するための未利用機会【JST・京大機械翻訳】

Clinical notes: An untapped opportunity for improving risk prediction for hospitalization and emergency department visit during home health care

著者 (17件)： Song Jiyoun (Columbia University School of Nursing, New York City, NY, USA) ,  Song Jiyoun (Center for Home Care Policy & Research, Visiting Nurse Service of New York, New York City, NY, USA) ,  Hobensack Mollie (Columbia University School of Nursing, New York City, NY, USA) ,  Bowles Kathryn H. (Center for Home Care Policy & Research, Visiting Nurse Service of New York, New York City, NY, USA) ,  Bowles Kathryn H. (University of Pennsylvania School of Nursing, Department of Biobehavioral Health Sciences, Philadelphia, PA, USA) ,  McDonald Margaret V. (Center for Home Care Policy & Research, Visiting Nurse Service of New York, New York City, NY, USA) ,  Cato Kenrick (Columbia University School of Nursing, New York City, NY, USA) ,  Cato Kenrick (Emergency Medicine, Columbia University Irving Medical Center, New York, NY, USA) ,  Rossetti Sarah Collins (Columbia University School of Nursing, New York City, NY, USA) ,  Rossetti Sarah Collins (Columbia University, Department of Biomedical Informatics, New York City, NY, USA) ,  Chae Sena (College of Nursing, University of Iowa, Iowa City, IA, USA) ,  Kennedy Erin (University of Pennsylvania School of Nursing, Department of Biobehavioral Health Sciences, Philadelphia, PA, USA) ,  Barron Yolanda (Center for Home Care Policy & Research, Visiting Nurse Service of New York, New York City, NY, USA) ,  Sridharan Sridevi (Center for Home Care Policy & Research, Visiting Nurse Service of New York, New York City, NY, USA) ,  Topaz Maxim (Columbia University School of Nursing, New York City, NY, USA) ,  Topaz Maxim (Center for Home Care Policy & Research, Visiting Nurse Service of New York, New York City, NY, USA) ,  Topaz Maxim (Data Science Institute, Columbia University, New York City, NY, USA)
資料名： Journal of Biomedical Informatics  (Journal of Biomedical Informatics)
巻： 128  ページ： Null  発行年： 2022年 
JST資料番号： B0827A  ISSN： 1532-0464  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 在宅医療(HHC)中に10と25%の患者が入院または訪問救急科(ED)である。これらの陰性臨床結果の40%までは予防可能であることを考えると,入院リスクの早期および正確な予測は,それらを予防するための一つの戦略である。近年,機械学習ベースの予測モデリングは,建築リスクモデルのために広く使用されてきた。本研究は,HHCにおける入院とED訪問のための様々なデータソースで構築された4つのリスクモデルの予測性能を比較することを目的とした。2つのデータソース,すなわち構造化データ(すなわち,アウトカムと評価情報セット(OASIS))からの異なる変数と,2015年から2017年の間にニューヨークにおける最大の非適合HHC組織からHHCサービスを受けた患者のための非構造化ナラティブフリーテキスト臨床記録を用いて,4つのリスクモデルを作成した。次に,5つの機械学習アルゴリズム(ロジスティック回帰,ランダムフォレスト,Bayesianネットワーク,サポートベクトルマシン(SVM),およびNaive Bayes)を各リスクモデルに用いた。リスクモデル性能を,Fスコアと精度-Recall曲線(PRC)面積計量を用いて評価した。研究期間中,8373/86,823(9.6%)HHCエピソードは入院またはED受診をもたらした。各モデルに関する5つの機械学習アルゴリズムの中で,SVMは最も高いFスコア(0.82)を示したが,ランダムフォレストは最も高いPRC領域(0.864)を示した。臨床ノートから抽出した情報の追加は,リスク予測能力をFスコアで16.6%,PRCで17.8%まで有意に改善した。すべてのモデルは,HHCにおいて比較的良好な入院またはED訪問リスク予測性能を示した。構造化データと統合した臨床ノートからの情報は,これらの緊急ケアイベントのリスクで患者を同定する能力を改善した。Copyright 2022 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： 予測 ,  *リスク ,  記録 ,  計算機アルゴリズム ,  *臨床医学 ,  *健康管理 ,  患者 ,  *入院 ,  機械学習 ,  学習アルゴリズム ,  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 ,  救急救命室 ,  ランダムフォレスト ,  *危険予測 ,  在宅医療 , 【Automatic Indexing@JST】

著者キーワード (6件)： 在宅健康管理 ,  予測モデリング ,  自然言語処理 ,  リスク評価 ,  臨床劣化 ,  看護情報学

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (8件)： 臨床 ,  ノート ,  健康管理 ,  入院 ,  部門 ,  訪問 ,  リスク予測 ,  機会