論文の概要: Toward Understanding Clinical Context of Medication Change Events in Clinical Narratives

• arxiv url: http://arxiv.org/abs/2011.08835v2
• Date: Wed, 19 May 2021 15:08:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-24 16:39:13.470839
• Title: Toward Understanding Clinical Context of Medication Change Events in Clinical Narratives
• Title（参考訳）: 臨床物語における薬物変化事象の臨床的文脈の理解に向けて
• Authors: Diwakar Mahajan, Jennifer J Liang, Ching-Huei Tsou
• Abstract要約: 臨床ノートに記載された薬物変化の関連状況を把握するためのデータセットであるCMED(Contextualized Medication Event dataset)を提示する。 CMEDは、500以上の臨床ノートに注記された9,013の医薬品から成り、2021年に共有タスクとしてコミュニティに解放される。
• 参考スコア（独自算出の注目度）: 0.4270213395622267
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Understanding medication events in clinical narratives is essential to achieving a complete picture of a patient's medication history. While prior research has explored classification of medication changes from clinical notes, studies to date have not considered the necessary clinical context needed for their use in real-world applications, such as medication timeline generation and medication reconciliation. In this paper, we present the Contextualized Medication Event Dataset (CMED), a dataset for capturing relevant context of medication changes documented in clinical notes, which was developed using a novel conceptual framework that organizes context for clinical events into various orthogonal dimensions. In this process, we define specific contextual aspects pertinent to medication change events, characterize the dataset, and report the results of preliminary experiments. CMED consists of 9,013 medication mentions annotated over 500 clinical notes, and will be released to the community as a shared task in 2021.
• Abstract（参考訳）: 臨床物語における薬物イベントの理解は、患者の薬歴を完全に把握するために不可欠である。 以前の研究は臨床ノートから医薬品の変化の分類を検討したが、これまでの研究は、薬のタイムライン生成や医薬品の和解など、現実世界での使用に必要な臨床コンテキストを考慮していない。 本稿では,臨床記録に記録された薬物変化の関連状況を把握するためのデータセットであるCMED(Contextualized Medication Event Dataset)について,臨床事象のコンテキストを様々な直交次元に整理する新しい概念的枠組みを用いて検討した。 この過程において,医薬品変更イベントに関連する特定の文脈的側面を定義し,データセットを特徴付け,予備実験の結果を報告する。 CMEDは、500以上の臨床ノートに注記された9,013の医薬品から成り、2021年に共有タスクとしてコミュニティに解放される。

関連論文リスト

• Knowledge Graph Embeddings for Multi-Lingual Structured Representations of Radiology Reports [40.606143019674654]
  本稿では,新しい軽量グラフベースの埋め込み手法,特に放射線学レポートのキャタリングについて紹介する。 報告書の構造と構成を考慮し、報告書の医療用語を接続する。 本稿では,X線レポートの疾患分類と画像分類という2つのタスクにこの埋め込みを組み込むことについて述べる。
  論文  参考訳（メタデータ） (2023-09-02T11:46:41Z)
• Development and validation of a natural language processing algorithm to pseudonymize documents in the context of a clinical data warehouse [53.797797404164946]
  この研究は、この領域でツールやリソースを共有する際に直面する困難を浮き彫りにしている。 臨床文献のコーパスを12種類に分類した。 私たちは、ディープラーニングモデルと手動ルールの結果をマージして、ハイブリッドシステムを構築します。
  論文  参考訳（メタデータ） (2023-03-23T17:17:46Z)
• Extracting Medication Changes in Clinical Narratives using Pre-trained Language Models [1.1646531300723846]
  本研究は,フリーテキスト臨床ノートから薬物変化情報の自動抽出について検討する。 CMED(Contextual Medication Event dataset)は、医薬品の変化を特徴付ける注釈付き臨床ノートのコーパスである。 CMEDを用いて臨床テキスト中の薬剤の言及を同定し,注釈医薬品の変化特性を解消する3つの新しい高性能BERTシステムを提案する。
  論文  参考訳（メタデータ） (2022-08-17T17:22:48Z)
• DICE: Data-Efficient Clinical Event Extraction with Generative Models [93.49354508621232]
  臨床領域のイベント抽出は、未調査の研究領域である。 臨床イベント抽出のための堅牢でデータ効率の良い生成モデルであるDICEを紹介する。 臨床およびニュース領域イベント抽出におけるDICEの最先端性能について実験を行った。
  論文  参考訳（メタデータ） (2022-08-16T23:12:04Z)
• Cross-Lingual Knowledge Transfer for Clinical Phenotyping [55.92262310716537]
  本稿では,英語を使わないクリニックに対して,このタスクを実行するための言語間知識伝達戦略について検討する。 ギリシャ語とスペイン語のクリニックに対して,異なる臨床領域のクリニカルノートを活用して,これらの戦略を評価する。 以上の結果から,多言語データを用いることで,臨床表現型モデルが改善され,データの疎度を補うことが可能であることが示唆された。
  論文  参考訳（メタデータ） (2022-08-03T08:33:21Z)
• Distinguishing Transformative from Incremental Clinical Evidence: A Classifier of Clinical Research using Textual features from Abstracts and Citing Sentences [1.3135234328352885]
  臨床研究においては、特定の疾患管理のための現在のケア基準を、ある研究が変更するか、単にサポートしているだけなのかを知ることが重要である。 本研究では, 段階的臨床証拠と変質的臨床証拠を区別する機械学習手法を提案する。
  論文  参考訳（メタデータ） (2021-12-24T08:35:18Z)
• MIMICause : Defining, identifying and predicting types of causal relationships between biomedical concepts from clinical notes [0.0]
  本研究は, ガイドラインの策定, 注釈付きコーパスの開発, 臨床ノートにおけるバイオメディカル概念間の因果関係のタイプと方向を特定するためのベースラインスコアの提供を目的とする。 2018 n2c2共有タスクデータセットからサンプリングされた、合計2714の特定されていないサンプルを注釈付けし、4つの異なる言語モデルベースのアーキテクチャをトレーニングします。 臨床用テキストにおける注釈書間の高い合意は,本ガイドラインの質を示す一方で,提案されたベースラインF1は,臨床用テキストにおける物語の理解に向けた今後の研究の方向性を示す。
  論文  参考訳（メタデータ） (2021-10-14T00:15:36Z)
• Self-supervised Answer Retrieval on Clinical Notes [68.87777592015402]
  本稿では,ドメイン固有パスマッチングのためのトランスフォーマー言語モデルをトレーニングするためのルールベースのセルフスーパービジョンであるCAPRを紹介する。 目的をトランスフォーマーベースの4つのアーキテクチャ、コンテキスト文書ベクトル、ビ-、ポリエンコーダ、クロスエンコーダに適用する。 本稿では,ドメイン固有パスの検索において,CAPRが強いベースラインを上回り,ルールベースおよび人間ラベル付きパスを効果的に一般化することを示す。
  論文  参考訳（メタデータ） (2021-08-02T10:42:52Z)
• Clinical Named Entity Recognition using Contextualized Token Representations [49.036805795072645]
  本稿では,各単語の意味的意味をより正確に把握するために,文脈型単語埋め込み手法を提案する。 言語モデル(C-ELMo)とC-Flair(C-Flair)の2つの深い文脈型言語モデル(C-ELMo)を事前訓練する。 明示的な実験により、静的単語埋め込みとドメインジェネリック言語モデルの両方と比較して、我々のモデルは劇的に改善されている。
  論文  参考訳（メタデータ） (2021-06-23T18:12:58Z)
• CREATe: Clinical Report Extraction and Annotation Technology [53.731999072534876]
  臨床症例報告は、特定の臨床症例の特異な側面を記述した記述である。 これらのレポートを注釈付け、インデックス付け、あるいはキュレートするエンドツーエンドシステムを開発する試みはない。 本稿では,新たな計算資源プラットフォームを提案し,臨床事例レポートの内容の抽出,索引付け,照会を行う。
  論文  参考訳（メタデータ） (2021-02-28T16:50:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。