通过临床笔记自然语言处理与诊断代码识别的问题性阿片类药物使用退伍军人比较

背景：电子健康记录（EHRs）是阿片类药物研究的数据来源。已知阿片类药物使用障碍作为诊断的编码不足，但问题性阿片类药物使用可能记录在临床笔记中。目标：我们的目标是1）从全面的临床笔记中识别问题性阿片类药物使用；2）比较仅在临床笔记中记录的问题性阿片类药物使用患者与具有ICD阿片类药物使用障碍诊断代码记录的患者特征。材料与方法：我们开发并应用了一个自然语言处理（NLP）工具，对来自两个退伍军人事务服务区域的患者队列（n=222,371）的临床笔记进行分析，以识别问题性阿片类药物使用患者。我们还使用一组ICD诊断代码从同一队列中识别阿片类药物使用障碍患者。我们比较了仅通过NLP识别的患者与通过ICD代码识别的患者的人口统计学和临床特征。结果：NLP独家识别了57,331名患者；6,997名患者具有阳性ICD代码识别。仅通过NLP识别的患者更可能是女性。通过ICD代码识别的患者更可能是男性、更年轻、同时使用苯二氮卓类药物处方、有更多合并症、更多医疗就诊记录，且已婚的可能性较低。与未记录有问题性阿片类药物使用的患者相比，NLP组和ICD组患者的合并症水平显著升高。结论：NLP是一种可行的方法，用于识别未被ICD代码记录的问题性阿片类药物使用。临床医生可能不愿编码阿片类药物使用障碍。因此，医疗团队有责任在临床笔记中搜索阿片类药物相关问题的记录。