شماره ركورد كنفرانس :
5143
عنوان مقاله :
پيش‌بيني بستري مجدد بيماران با استفاده از استخراج مفاهيم زيست‌پزشكي از متون باليني
عنوان به زبان ديگر :
Predicting patient readmission using biomedical concept extraction from clinical notes
پديدآورندگان :
ساماني رسول دانشگاه صنعتي اصفهان؛rasoul.samani@ec.iut.ac.ir , شاهرخ شهركي فهيمه دانشگاه صنعتي اصفهان؛fahimeshahrokh@ec.iut.ac.ir , قديري ناصر دانشگاه صنعتي اصفهان؛nghadiri@iut.ac.ir
كليدواژه :
پذيرش مجدد بيمار , سبد كلمات , سبد مفاهيم , متن‌كاوي , يادگيري ماشين
عنوان كنفرانس :
كنفراس فناوري اطلاعات و دانش (IKT2021)
چكيده فارسي :
امروزه وجود حجم عظيمي از داده‌هاي الكترونيكي سلامت، ظرفيت‌هاي بالقوه‌اي براي انجام مطالعاتي در جهت بهبود خدمات درماني ارائه‌شده به بيماران و كاهش هزينه‌هاي نظام سلامت ايجاد كرده‌است. شناسايي بيماراني كه احتمال بستري مجدد آن‌ها در فاصله زماني كوتاهي پس از ترخيص از بيمارستان وجود دارد، از موضوعاتي است كه در سال‌هاي اخير در حوزه پزشكي مورد توجه قرار گرفته‌است و مي‌تواند در انتخاب روش‌هاي درماني مناسب توسط پزشكان و كاهش ميزان بستري مجدد بيماران و در نتيجه كاهش هزينه‌هاي درمان موثر باشد. در اين مطالعه به پيش‌بيني بستري مجدد بيمار با استفاده از رويكردهاي متن‌كاوي و پردازش متون گزارش ترخيص در پرونده الكترونيك بيمار، پرداخته شده‌است . به اين منظور، عملكرد انواع مدل‌هاي يادگيري ماشين، با استفاده از دو رويكرد سبد كلمات و سبد مفاهيم در فرايند پيش‌بيني بستري مجدد بيمار، ارزيابي شده‌است. مقايسه كارايي اين رويكردها نشان‌دهنده برتري مدل جنگل تصادفي و رويكرد سبد مفاهيم نسبت به ساير مدل‌ها و رويكردهاي يادگيري ماشين بوده است. اين پژوهش با كسب امتياز AUC برابر 73.1%، به بالاترين امتياز پيش‌بيني احتمال بستري مجدد بيمار در بيمارستان در مقايسه با كارهاي مشابهي كه از مدل‌هاي يادگيري ماشين در اين زمينه استفاده كرده‌اند، دست يافته‌است.
