Un nuevo estudio publicado en BMC Medical Informatics and Decision Making ha demostrado la viabilidad de aplicar técnicas de text-mining a las historias clínicas electrónicas (HCE) para identificar características clave de los pacientes, como barreras idiomáticas, situación de vida, fragilidad cognitiva o falta de adherencia terapéutica.
El objetivo principal fue desarrollar un método capaz de analizar grandes volúmenes de datos clínicos y extraer información relevante de manera automática. Los investigadores del OLVG Hospital, de Amsterdam (Países Bajos), evaluaron el desempeño de los algoritmos frente a la revisión humana, midiendo parámetros como sensibilidad, precisión, especificidad y valores predictivos.
Se analizaron más de 1.100 registros de reingresos hospitalarios. Entre ellos, se identificaron pacientes con barrera idiomática, aquellos que vivían solos, con fragilidad cognitiva y con falta de adherencia a la medicación. Para cada característica se determinó si era más adecuada para consultas basadas en reglas o para modelos de reconocimiento de entidades nombradas (NER). Las características simples, como la barrera idiomática, se pudieron extraer mediante consultas basadas en reglas, mientras que las más complejas, como la fragilidad cognitiva o la situación de vida, requirieron modelos NER capaces de interpretar contexto y variabilidad lingüística.
via Noticias de diariomedico.... https://ift.tt/zBVfTAu
No hay comentarios:
Publicar un comentario