文献

J-GLOBAL ID：202202268758707749   整理番号：22A1095280

非負行列因子化時間トピックモデルと臨床テキストデータはカナダ,トロントにおけるプライマリヘルスケアと地域健康に対するCOVID-19パンデミック効果を同定する【JST・京大機械翻訳】

Non-negative matrix factorization temporal topic models and clinical text data identify COVID-19 pandemic effects on primary healthcare and community health in Toronto, Canada

著者 (15件)： Meaney Christopher (Department of Family and Community Medicine, University of Toronto, Canada) ,  Meaney Christopher (Dalla Lana School of Public Health, University of Toronto, Canada) ,  Escobar Michael (Dalla Lana School of Public Health, University of Toronto, Canada) ,  Moineddin Rahim (Department of Family and Community Medicine, University of Toronto, Canada) ,  Moineddin Rahim (Dalla Lana School of Public Health, University of Toronto, Canada) ,  Moineddin Rahim (ICES, Toronto, Canada) ,  Stukel Therese A. (IHPME, University of Toronto, Canada) ,  Stukel Therese A. (ICES, Toronto, Canada) ,  Kalia Sumeet (Department of Family and Community Medicine, University of Toronto, Canada) ,  Kalia Sumeet (Dalla Lana School of Public Health, University of Toronto, Canada) ,  Aliarzadeh Babak (Department of Family and Community Medicine, University of Toronto, Canada) ,  Chen Tao (Department of Family and Community Medicine, University of Toronto, Canada) ,  O’Neill Braden (Department of Family and Community Medicine, University of Toronto, Canada) ,  Greiver Michelle (Department of Family and Community Medicine, University of Toronto, Canada) ,  Greiver Michelle (Department of Family and Community Medicine, North York General Hospital and University of Toronto, Canada)
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： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 非負行列因数分解が,カナダ,トロントの住民の物理的/精神的/社会的健康に対する多様なCOVID-19パンデミック効果を特徴づける,一次治療臨床ノートの大規模収集に対する時間的トピックモデルを学習するためにどのように使用できるかを示す。本研究は,44,828人の患者,54人の医師,および12の診療所から31/12/2020を通して01/01/2017を採取する382,666のプライマリーケア進展からなる遡及的オープンコホート設計を採用した。非負行列因数分解により,プライマリーケアノートのコーパスを透過する有意義な潜在局所構造を明らかにした。学習潜在局所基底を多変量時系列データ構造に変換した。時系列法とプロットは,研究期間にわたって学習された話題の進化/力学を示し,COVID-19パンデミック効果の同定を可能にする。記述/教師なし推論がハイパーパラメータ構成および/またはデータ摂動に対して安定であるという信頼を増加させるために,モデルロバスト性のいくつかの事後チェックを行った。時間的トピックモデリングは,表現的臨床テキストデータからの多数のパンデミック関連効果を明らかにする。患者健康に対する直接効果に関して,呼吸器疾患症状をコード化している話題は,流行年中に変化した動態を示す。さらに,パンデミックは,精神衛生,睡眠,社会的および家族性動態,生命/研究室の測定,予防/スクリーニング操作の取込み,および医療専門家への紹介を代表している局所領域に対する多数の間接的患者レベル効果と関連していた。最後に,トピックモデルは,EMR文書化戦略の変化および遠隔医療の取込みを含む,パンデミックから生じるプライマリケア実践パターンにおける変化を捉える。豊富なプライマリーケア臨床テキストデータの大きなコーパスに適用した時間的トピックモデリングは,政策決定者および公衆衛生利害関係者を,一次医療システムおよびコミュニティ/公共健康に対するCOVID-19パンデミックの全体的な影響を理解するための,政策決定者および公衆衛生利害関係者を提供できる,意味のある局所/主題要約を同定できる。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： 学習 ,  時系列分析 ,  記録 ,  *臨床医学 ,  医師 ,  精神衛生 ,  *確率モデル ,  スクリーニング ,  ロバスト性 ,  コーパス ,  遠隔医療
準シソーラス用語： 利害関係者 ,  *トピックモデル ,  非負行列因子分解 ,  *非負行列 ,  *テキストデータ , 【Automatic Indexing@JST】

著者キーワード (6件)： COVID-19 ,  電子医学記録 ,  テキストマイニング ,  時間的トピックモデリング ,  非負行列因数分解 ,  時系列解析

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (11件)： 非負行列 ,  因子化 ,  トピックモデル ,  臨床 ,  テキストデータ ,  カナダ ,  トロント ,  プライマリヘルスケア ,  地域 ,  パンデミック ,  同定