文献

J-GLOBAL ID：202202266297514126   整理番号：22A0567342

腰椎後方固定術患者における再入院予測のための自然言語処理:自由テキストノートは最も有用性を持つか?【JST・京大機械翻訳】

Natural language processing for prediction of readmission in posterior lumbar fusion patients: which free-text notes have the most utility?

著者 (9件)： Karhade Aditya V. (Department of Orthopaedic Surgery, Massachusetts General Hospital, Harvard Medical School, Boston, MA, USA) ,  Karhade Aditya V. (Harvard Combined Orthopaedic Residency Program, Boston, MA, USA) ,  Lavoie-Gagne Ophelie (Department of Orthopaedic Surgery, Massachusetts General Hospital, Harvard Medical School, Boston, MA, USA) ,  Agaronnik Nicole (Department of Orthopaedic Surgery, Massachusetts General Hospital, Harvard Medical School, Boston, MA, USA) ,  Ghaednia Hamid (Department of Orthopaedic Surgery, Massachusetts General Hospital, Harvard Medical School, Boston, MA, USA) ,  Collins Austin K. (Department of Orthopaedic Surgery, Massachusetts General Hospital, Harvard Medical School, Boston, MA, USA) ,  Shin David (Department of Orthopaedic Surgery, Massachusetts General Hospital, Harvard Medical School, Boston, MA, USA) ,  Schwab Joseph H. (Department of Orthopaedic Surgery, Massachusetts General Hospital, Harvard Medical School, Boston, MA, USA) ,  Schwab Joseph H. (Harvard Combined Orthopaedic Residency Program, Boston, MA, USA)
資料名： Spine Journal  (Spine Journal)
巻： 22  号： 2  ページ： 272-277  発行年： 2022年 
JST資料番号： W3238A  ISSN： 1529-9430  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 電子健康記録で利用可能なフリーテキストノートの増加する体積は,有害な結果を検出し予測するために,この非構造化データをマイニングするための自然言語処理(NLP)アルゴリズムに対する機会を創出した。脊椎手術で利用可能なドキュメンテーションの容積と多様性を考えると,どのタイプのドキュメンテーションが有害転帰の予測に対して最大値を提供するかは不明のままである。2つの学術と3つの地域病院における医療記録の遡及的レビュー。本研究の目的は,90日間の非計画再入院の予測のための腰椎融合のためのインデックス入院中に発生するフリーテキストノートの有用性を検討するために,探索分析を行うことであった。方法:2016年1月1日から2020年12月31日の間に腰椎すべり症または腰椎脊椎管狭窄症のために腰椎固定術を受けた18歳以上の成人患者。主要転帰は,インデックス入院からの退院の90日以内の入院であった。退院要約ノート,手術ノート,看護ノート,理学療法ノート,ケース管理ノート,医療医師(MD)(居住または通院),および同盟実践専門(APP)(看護師の実践者または医師援助)を用いて開発したNLPアルゴリズムの性能の予測性能を,識別,較正,全体的パフォーマンスによって評価した。全体として,708人の患者が本研究に含まれ,83人(11.7%)が90日の入院患者再入院があった。モデル開発に使用されない患者(n=141)の独立試験セットでは,退院要約ノート,手術ノート,看護ノート,理学療法ノート,症例管理ノート,MD/APPノートを用いた90日再入院の予測のためのNLPアルゴリズムの受信者動作特性曲線下面積は,それぞれ0.70,0.57,0.60,および0.49であった。この探索分析において,退院要約,理学療法,および症例管理は,最も有用性が高く,毎日のMD/APP進展は,インデックス入院中に発生したフリーテキスト文書の間で,腰椎融合患者における90日の入院患者再入院の予測に最小の有用性があった。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： アルゴリズム ,  ドキュメンテーション ,  *自然言語処理 ,  脊柱 ,  *患者 ,  *腰椎 ,  看護 ,  外科術 ,  文書 ,  理学療法 ,  看護師 ,  脊柱管狭窄 ,  電子カルテ
準シソーラス用語： 腰椎固定術 ,  腰椎すべり症 , 【Automatic Indexing@JST】

著者キーワード (6件)： 人工知能 ,  機械学習 ,  自然言語処理 ,  予測 ,  再入院 ,  脊椎

分類 (2件)： 運動器系疾患の外科療法  (GG05030O) ,  医用情報処理  (JE15030Q)

タイトルに関連する用語 (7件)： 腰椎後方固定術 ,  患者 ,  再入院 ,  予測 ,  自然言語処理 ,  ノート ,  有用性