从临床数据仓库中自动检测手术部位感染
计算与语言
2019-09-17 v1 机器学习
摘要
降低手术部位感染（SSIs）发生率是法国院内感染控制项目的目标之一。波尔多大学医院院内感染控制团队与外科医生每年手动监测 SSIs。我们的目标是基于医院信息系统数据开发自动检测算法。三年（2015、2016 与 2017）的脊柱手术手动监测数据被用作金标准以提取特征并训练机器学习算法。该数据集包含 2133 例脊柱手术中的 22 例 SSI。比较了两种不同的方法。第一种使用多个数据源并取得了最佳性能，但难以推广到其他机构。第二种仅基于自由文本并半自动提取判别性术语。算法在该数据集上分别以 20 和 26 个假阳性识别出了所有 SSI。另一项评估正在进行中。这些结果对半自动监测方法的开发具有鼓舞作用。
引用
@article{arxiv.1909.07054,
title = {Automatic detection of surgical site infections from a clinical data warehouse},
author = {Marine Quéroué and Agnès Lashéras-Bauduin and Vianney Jouhet and Frantz Thiessard and Jean-Marc Vital and Anne-Marie Rogues and Sébastien Cossin},
journal= {arXiv preprint arXiv:1909.07054},
year = {2019}
}
备注
in French