基于 EHR 中 CARE-SD 文本分类工具评估污名化语言和怀疑标记语言特征分布的应用
计算与语言
2025-07-15 v1
摘要
介绍：电子健康记录（EHR）是患者在医疗团队中延续污名化现象的关键媒介。方法：我们通过扩展词典匹配和监督学习分类器在 MIMIC-III EHR 中识别怀疑标记和污名化标签的语言特征。使用泊松回归模型评估语言特征比率的预测因子。结果：我们发现，黑人或非裔美国人患者（RR: 1.16）、接受 Medicare/Medicaid 或政府运行保险（RR: 2.46）、自付费患者（RR: 2.12）以及患有多种污名化疾病和精神健康状况的患者，污名化标签的比率更高。怀疑标记的模式类似，但男性患者怀疑标记的比率更高（RR: 1.25）。我们发现护士（RR: 1.40）和社会工作者（RR: 2.25）使用的污名化标签更多，怀疑标记也呈现类似模式。讨论：污名化语言在历史上已被污名化的患者中发生的频率更高，这由多种医务人员类型所致。
引用
@article{arxiv.2507.08969,
title = {Application of CARE-SD text classifier tools to assess distribution of stigmatizing and doubt-marking language features in EHR},
author = {Drew Walker and Jennifer Love and Swati Rajwal and Isabel C Walker and Hannah LF Cooper and Abeed Sarker and Melvin Livingston},
journal= {arXiv preprint arXiv:2507.08969},
year = {2025}
}
备注
3 Tables