論文の概要: A Comparison of Veterans with Problematic Opioid Use Identified through Natural Language Processing of Clinical Notes versus Using Diagnostic Codes

• arxiv url: http://arxiv.org/abs/2401.12996v1
• Date: Thu, 18 Jan 2024 18:08:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-28 15:32:06.083821
• Title: A Comparison of Veterans with Problematic Opioid Use Identified through Natural Language Processing of Clinical Notes versus Using Diagnostic Codes
• Title（参考訳）: 臨床ノートの自然言語処理と診断コードによるオピオイド使用の問題のある退役軍人の比較
• Authors: Terri Elizabeth Workman, Joel Kupersmith, Phillip Ma, Christopher Spevak, Friedhelm Sandbrink, Yan Cheng Qing Zeng-Treitler
• Abstract要約: オピオイド使用障害は診断としてアンダーコードされているが、オピオイド使用の問題点は臨床ノートに記録されている。 患者コホートの臨床ノートに自然言語処理(NLP)ツールを開発し,応用した。 また,同じコホートからオピオイド使用障害患者を同定するために,ICD診断コードを用いた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background: Electronic health records (EHRs) are a data source for opioid research. Opioid use disorder is known to be under-coded as a diagnosis, yet problematic opioid use can be documented in clinical notes. Objectives: Our goals were 1) to identify problematic opioid use from a full range of clinical notes; and 2) to compare the characteristics of patients identified as having problematic opioid use, exclusively documented in clinical notes, to those having documented ICD opioid use disorder diagnostic codes. Materials and Methods: We developed and applied a natural language processing (NLP) tool to the clinical notes of a patient cohort (n=222,371) from two Veteran Affairs service regions to identify patients with problematic opioid use. We also used a set of ICD diagnostic codes to identify patients with opioid use disorder from the same cohort. We compared the demographic and clinical characteristics of patients identified only through NLP, to those of patients identified through ICD codes. Results: NLP exclusively identified 57,331 patients; 6,997 patients had positive ICD code identifications. Patients exclusively identified through NLP were more likely to be women. Those identified through ICD codes were more likely to be male, younger, have concurrent benzodiazepine prescriptions, more comorbidities, more care encounters, and less likely to be married. Patients in the NLP and ICD groups had substantially elevated comorbidity levels compared to patients not documented as experiencing problematic opioid use. Conclusions: NLP is a feasible approach for identifying problematic opioid use not otherwise recorded by ICD codes. Clinicians may be reluctant to code for opioid use disorder. It is therefore incumbent on the healthcare team to search for documentation of opioid concerns within clinical notes.
• Abstract（参考訳）: 背景:電子健康記録(EHR)はオピオイド研究のためのデータソースである。 オピオイド使用障害は診断としてアンダーコードされることが知られているが、問題のあるオピオイドの使用は臨床記録に記載されている。 目的:私たちの目標は 1) 臨床ノートの全範囲から問題のあるオピオイドの使用を特定すること、及び 2) 臨床ノートにのみ記載されたオピオイド使用が問題視されている患者とicdオピオイド使用障害診断コードを有する患者の特徴を比較する。 対象と方法:2つの獣医サービス領域の患者コホート(n=222,371)の臨床ノートに自然言語処理(NLP)ツールを応用し,問題のあるオピオイド使用患者を同定した。 また,オピオイド使用障害患者を同一コホートから同定するために,icd診断符号のセットを用いた。 nlpでのみ同定された患者の年齢と臨床的特徴をicdコードで同定した患者と比較した。 結果: NLPは57,331例, 6,997例に陽性のICD符号を認めた。 NLPで特定された患者は女性であることが多かった。 icdコードによって同定された患者は、男性、若年者、同時にベンゾジアゼピン処方薬、より共用性、よりケアの出会いがあり、結婚する可能性が低かった。 NLP群とICD群の患者は,オピオイドの異常使用を経験していない患者に比べ,有意にコンコービデンスレベルが上昇した。 結論: NLPは、ICDコードで記録されていない問題オピオイドの使用を識別するための実現可能なアプローチである。 臨床医はオピオイド使用障害のコーディングに消極的かもしれない。 したがって、医療チームには、臨床ノートの中のオピオイドの関心事の文書を探す義務がある。

関連論文リスト

• Zero-Shot Clinical Trial Patient Matching with LLMs [40.31971412825736]
  大規模言語モデル(LLM)は、自動スクリーニングの有望なソリューションを提供する。 我々は,患者の診療歴を非構造的臨床テキストとして考慮し,その患者が包括的基準を満たしているかどうかを評価するLCMベースのシステムを構築した。 提案システムは,n2c2 2018コホート選択ベンチマークにおいて,最先端のスコアを達成している。
  論文  参考訳（メタデータ） (2024-02-05T00:06:08Z)
• DKINet: Medication Recommendation via Domain Knowledge Informed Deep Learning [12.609882335746859]
  医療勧告は、医療の根本的かつ重要な分野である。 これまでの研究は主に電子健康記録から患者の表現を学ぶことに焦点を当ててきた。 本稿では,複雑な臨床症状とドメイン知識の効果的な統合に対処する知識注入モジュールを提案する。
  論文  参考訳（メタデータ） (2023-05-31T07:22:15Z)
• Knowledge-Driven New Drug Recommendation [88.35607943144261]
  既存の薬物と新薬のギャップを埋めるために, 薬物依存型マルチフェノタイプ数発学習機を開発した。 EDGEは外部薬効知識ベースを用いて偽陰性監視信号を除去する。 その結果, EDGEは, ROC-AUCスコアよりも7.3%向上していることがわかった。
  論文  参考訳（メタデータ） (2022-10-11T16:07:52Z)
• Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
  本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。 これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。 静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
  論文  参考訳（メタデータ） (2022-04-07T22:14:37Z)
• Using Deep Learning to Identify Patients with Cognitive Impairment in Electronic Health Records [0.0]
  認知症に苦しむ患者は4人に1人しかいない。 認知症は医療専門家によって診断されていない。 ディープラーニングNLPは、認知症に関連するICDコードや薬品なしで認知症患者を識別できる。
  論文  参考訳（メタデータ） (2021-11-13T01:44:10Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)
• Identifying Risk of Opioid Use Disorder for Patients Taking Opioid Medications with Deep Learning [3.2663488776173573]
  米国ではオピオイドが流行しており、毎年12歳以上で1000万人以上のオピオイド誤用者がいた。 オピオイド使用障害(OUD)のリスクが高い患者を同定することは、OUDのリスクを低減する早期臨床介入に役立つ。 本研究の目的は,オピオイド処方薬使用者のOUD患者を,機械学習と深層学習による電子健康記録の分析により予測することである。
  論文  参考訳（メタデータ） (2020-10-09T14:18:07Z)
• Dynamically Extracting Outcome-Specific Problem Lists from Clinical Notes with Guided Multi-Headed Attention [3.995408039775796]
  問題リストは、臨床医に患者の医療問題に関する関連的な要約を提供することを目的としている。 その重要性にもかかわらず、問題リストは解決された、あるいは現在無関係な条件で混乱することが多い。 臨床ノートから診断と治療情報を抽出する新しいエンドツーエンドフレームワークを開発した。
  論文  参考訳（メタデータ） (2020-07-25T21:03:50Z)
• COMPOSE: Cross-Modal Pseudo-Siamese Network for Patient Trial Matching [70.08786840301435]
  本稿では, CrOss-Modal PseudO-SiamEse Network (COMPOSE) を提案する。 実験の結果,患者基準マッチングでは98.0%,患者基準マッチングでは83.7%の精度でAUCに到達できることがわかった。
  論文  参考訳（メタデータ） (2020-06-15T21:01:33Z)
• DeepEnroll: Patient-Trial Matching with Deep Embedding and Entailment Prediction [67.91606509226132]
  臨床試験は医薬品開発に不可欠であるが、高価で不正確で不十分な患者募集に苦しむことが多い。 DeepEnrollは、入力基準(タブラリデータ)を一致する推論のための共有潜在空間に共同でエンコードする、クロスモーダル推論学習モデルである。
  論文  参考訳（メタデータ） (2020-01-22T17:51:25Z)
• Contextual Constrained Learning for Dose-Finding Clinical Trials [102.8283665750281]
  C3T-Budget(C3T-Budget)は、予算と安全性の両方の制約の下での線量フィリングのための文脈制約付き臨床試験アルゴリズムである。 残りの予算、残業時間、各グループの特徴を考慮して患者を募集する。
  論文  参考訳（メタデータ） (2020-01-08T11:46:48Z)

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。