一种提取临床研究阳性与阴性结果的自动化方法
信息检索
2022-12-08 v1
摘要
临床试验中的失败十分常见，因为阴性结果所呈现的“成功的失败”往往指明了不应采取的方向。本文提出一种提取临床研究阳性与阴性结果的自动化方法，引入 PICOE（人群、干预、比较、结局与效应）框架来表示随机对照试验（RCT）报告，其中 E 表示特定 I 与 O 之间的效应。我们开发了一条流水线，从自然语言 RCT 报告中提取并将相应的统计效应分配给特定的 I-O 对。通过两轮训练，提取模型在 ICO 与 E 描述词提取上达到了很高的准确率。通过定义 p 值阈值，我们发现所有含统计检验的 Covid-19 相关干预-结局对中，阴性结果占比近 40%。我们认为这一观察值得注意，因为它们提取自已发表文献，而后者存在固有的报告偏倚风险，倾向于报告阳性结果而非阴性结果。我们提供了一种工具，通过区分阴性结果与阳性结果来系统性理解当前临床证据水平。
引用
@article{arxiv.2212.03464,
title = {An automated approach to extracting positive and negative clinical research results},
author = {Xuanyu Shi and Shiyao Xie and Wenjia Wang and Ting Chen and Jian Du},
journal= {arXiv preprint arXiv:2212.03464},
year = {2022}
}