文献

J-GLOBAL ID：202202266211238550   整理番号：22A1062293

臨床入院ノートを用いた病院再入院予測【JST・京大機械翻訳】

Hospital Readmission Prediction Using Clinical Admission Notes

著者 (3件)： Thapa Nischay Bikram (The Data Foundry, Australia) ,  Seifollahi Sattar (Resolution Life, Australia) ,  Taheri Sona (RMIT University, Australia)
資料名： ACM Proceedings  (ACM Proceedings)
号： ACSW 2022  ページ： 193-199  発行年： 2022年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 臨床ノートは,患者の過去および現在の健康状態に関連する構造化データを超えた文脈情報を含む。豊かさにもかかわらず,それらの非構造化,長,および高次元の性質は,従来のテキスト表現技術への挑戦を示す。自然言語処理(NLP)における深い文脈表現技術の進歩は,病院再入院を含む様々な情報抽出および予測タスクのための生物医学および臨床領域で顕著な性能を示した。しかし,ほとんどの以前の研究は,現場医療介入が不可能であり,再入院が依然として起こる放電要約モデルを提案している。入院中に記録された臨床ノートを用いて,30日再入院のリスクを検討した。MIMIC-IIIから臨床ノートを採用し,臨床テキスト表現のための競合するベースラインを考察し,そこでは,機械学習と深層学習アルゴリズムのセットを用いて病院再入院を分類した。本研究は,入院時に捕獲されたノートが,実際の治療介入と退院計画のための医療従事者を支援する潜在的再入院リスクを認識するために重要な役割を果たすことを示す。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 表現 ,  放電 ,  自然言語処理 ,  医療従事者 ,  *臨床医学 ,  患者 ,  *入院 ,  文脈 ,  高次元 ,  機械学習 ,  学習アルゴリズム
準シソーラス用語： 健康状態 ,  文脈情報 ,  生物医学 ,  退院計画 , 【Automatic Indexing@JST】

著者キーワード (4件)： 電子健康記録 ,  埋込み技術 ,  病院再入院 ,  自然言語処理

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (6件)： 臨床 ,  入院 ,  ノート ,  病院 ,  再入院 ,  予測