Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Đánh giá Doc’EDS: một công cụ tìm kiếm ngữ nghĩa tiếng Pháp để truy vấn tài liệu y tế từ kho dữ liệu lâm sàng
Tóm tắt
Dữ liệu phi cấu trúc từ hồ sơ sức khỏe điện tử đại diện cho một kho thông tin phong phú. Doc’EDS là một công cụ sàng lọc dựa trên phân tích ngữ nghĩa và văn bản. Hệ thống Doc’EDS cung cấp một giao diện người dùng đồ họa để tìm kiếm tài liệu bằng tiếng Pháp. Mục tiêu của nghiên cứu này là trình bày công cụ Doc’EDS và cung cấp một đánh giá chính thức về các tính năng ngữ nghĩa của nó. Doc’EDS là một công cụ tìm kiếm được xây dựng trên kho dữ liệu lâm sàng phát triển tại Bệnh viện Đại học Rouen. Công cụ này là một công cụ tìm kiếm đa cấp, kết hợp dữ liệu có cấu trúc và phi cấu trúc. Nó cũng cung cấp các tính năng phân tích cơ bản và các tiện ích ngữ nghĩa. Một đánh giá chính thức đã được tiến hành để đo lường tác động của các thuật toán Xử lý Ngôn ngữ Tự nhiên. Khoảng 18,1 triệu tài liệu tường thuật được lưu trữ trong Doc’EDS. Đánh giá chính thức được thực hiện trên 5000 khái niệm lâm sàng đã được thu thập thủ công. Các chỉ số F của các khái niệm tiêu cực và khái niệm giả thuyết lần lượt là 0,89 và 0,57. Trong đánh giá chính thức này, chúng tôi đã chỉ ra rằng Doc’EDS có khả năng xử lý sự tinh tế của ngôn ngữ để nâng cao tìm kiếm toàn văn tiên tiến trong các tài liệu y tế tiếng Pháp. Công cụ Doc’EDS hiện đang được sử dụng hàng ngày để giúp các nhà nghiên cứu xác định các nhóm bệnh nhân nhờ vào dữ liệu phi cấu trúc.
Từ khóa
#Doc’EDS #tìm kiếm ngữ nghĩa #dữ liệu lâm sàng #Xử lý Ngôn ngữ Tự nhiên #dữ liệu phi cấu trúcTài liệu tham khảo
Raghavan P, Chen JL, Fosler-Lussier E, Lai AM. How essential are unstructured clinical narratives and information fusion to clinical trial recruitment? 6.
Meystre SM, Heider PM, Kim Y, Aruch DB, Britten CD. Automatic trial eligibility surveillance based on unstructured clinical data. Int J Med Inform. 2019;129:13–9.
Garcelon N, Neuraz A, Benoit V, Salomon R, Burgun A. Improving a full-text search engine: the importance of negation detection and family history context to identify cases in a biomedical data warehouse. J Am Med Inform Assoc. 2016;144.
Rosenbloom ST, Denny JC, Xu H, Lorenzi N, Stead WW, Johnson KB. Data from clinical notes: a perspective on the tension between structure and flexible documentation. J Am Med Inform Assoc. 2011;18(2):181–6.
Karami M, Rahimi A, Shahmirzadi AH. Clinical data warehouse: an effective tool to create intelligence in disease management. Health Prog. 2017;36(4):380–4.
Plantier M, Havet N, Durand T, Caquot N, Amaz C, Biron P, et al. Does adoption of electronic health records improve the quality of care management in France? Results from the French e-SI (PREPS-SIPS) study. Int J Med Inform. 2017;102:156–65.
Grammatico-Guillon L, Shea K, Jafarzadeh SR, Camelo I, Maakaroun-Vermesse Z, Figueira M, et al. Antibiotic prescribing in outpatient children: a cohort from a clinical data warehouse. Clin Pediatr (Phila). 2019;58(6):681–90.
Kang J, Kim JH, Lee KH, Lee WS, Chang HW, Kim JS, et al. Risk factor analysis of extended opioid use after coronary artery bypass grafting: a clinical data warehouse-based study. Healthcare Inform Res. 2019;25(2):124.
Jannot A-S, Zapletal E, Avillach P, Mamzer M-F, Burgun A, Degoulet P. The Georges Pompidou University hospital clinical data warehouse: a 8-years follow-up experience. Int J Med Inform. 2017;102:21–8.
Murphy SN, Mendis ME, Berkowitz DA, Kohane I, Chueh HC. Integration of clinical and genetic data in the i2b2 architecture. In: AMIA annu symposium proceedings 2006;1040.
Lowe HJ, Ferris TA, Nd PMH, Weber SC. STRIDE-an integrated standards-based translational research informatics platform 5.
Danciu I, Cowan JD, Basford M, Wang X, Saip A, Osgood S, et al. Secondary use of clinical data: The vanderbilt approach. J Biomed Inform. 2014;52:28–35.
Khalaf Hamoud A, Salah Hashim A, Akeel Awadh W. Clinical data warehouse a review. Ijci. 2018 [cited 2019 Jul 2];44(2).
Vydiswaran VGV, Strayhorn A, Zhao X, Robinson P, Agarwal M, Bagazinski E, et al. Hybrid bag of approaches to characterize selection criteria for cohort identification. J Am Med Inform Assoc. 2019;ocz079.
Zhou X, Wang Y, Sohn S, Therneau TM, Liu H, Knopman DS. Automatic extraction and assessment of lifestyle exposures for Alzheimer’s disease using natural language processing. Int J Med Inform. 2019;130:103943.
Hanauer DA, Mei Q, Law J, Khanna R, Zheng K. Supporting information retrieval from electronic health records: a report of University of Michigan’s nine-year experience in developing and using the electronic medical record search engine (EMERSE). J Biomed Inform. 2015;55:290–300.
Liu S, Wang Y, Wen A, Wang L, Hong N, Shen F, et al. CREATE: cohort retrieval enhanced by analysis of text from electronic health records using OMOP common data model. 14.
Garcelon N, Neuraz A, Salomon R, Faour H, Benoit V, Delapalme A, et al. A clinician friendly data warehouse oriented toward narrative reports: Dr. Warehouse. J Biomed Inform. 2018;80:52–63.
Cuggia M, Garcelon N, Campillo-Gimenez B, Bernicot T, Laurent JF, Garin E, Happe A, Duvauferrier R. Roogle: an information retrieval engine for clinical data warehouse. Stud Health Technol Inform 2011;584–588.
Grosjean J, Merabti T, Griffon N, Dahamna B, Darmoni SJ. Teaching medicine with a terminology/ontology portal. Stud Health Technol Inform. 2012;180:949–53.
Lindberg DAB, Humphreys BL, McCray AT. The unified medical language system. Methods Inf Med. 1993;32:281–91.
Cabot C, Soualmia LF, Grosjean J, Griffon N, Darmoni SJ. Evaluation of the terminology coverage in the French Corpus LiSSa. Stud Health Technol Inform. 2017;235:126–30.
De Léotoing L, Barbier F, Dinh A, Breilh D, Chaize G, Vainchtock A, et al. French hospital discharge database (PMSI) and bacterial resistance: is coding adapted to hospital epidemiology? Med Mal Infect. 2018;48(7):465–73.
Perozziello A, Gauss T, Diop A, Frank-Soltysiak M, Rufat P, Raux M, et al. La codification PMSI identifie mal les traumatismes graves. Revue d’Épidémiologie et de Santé Publique. 2018;66(1):43–52.
Birman-Deych E, Waterman AD, Yan Y, Nilasena DS, Radford MJ, Gage BF. Accuracy of ICD-9-CM codes for identifying cardiovascular and stroke risk factors. Med Care. 2005;43(5):480–5.
Biron P, Metzger MH, Pezet C, Sebban C, Barthuet E, Durand T. An information retrieval system for computerized patient records in the context of a daily hospital practice: the example of the Léon Bérard Cancer Center (France). Appl Clin Inform. 2014;05(01):191–205.