医疗状况的共现：通过 SNOMED 编码的概率主题建模揭示模式
机器学习
2021-09-21 v1
摘要
伴有多种共现健康状况的患者常面临加重的并发症和更不利的结果。共现状况在患有肾脏疾病的人群中尤为普遍，该疾病日益广泛，影响美国普通人群的 13%。本研究旨在采用概率框架识别并刻画患者中医疗状况共现的模式。具体而言，我们以非传统方式应用主题建模，以发现分配给超过 13,000 名确诊肾脏疾病患者并在其电子健康记录（EHR）中记录的 SNOMEDCT 编码之间的关联。与大多数先前的主题建模工作不同，我们将该方法应用于编码而非自然语言。此外，我们对主题进行定量评估，考察其紧密性与区分性，并评估我们结果的医学有效性。我们的实验表明，每个主题都由少数高概率且独特的疾病编码简洁刻画，表明主题是紧密的。此外，每对主题间的主题间距离通常较高，说明了区分性。最后，在一个主题内分组的大多数编码状况确实在医学文献中被报道为共现。值得注意的是，我们的结果揭示了若干在医学文献中迄今未被报道为相关的状况间的间接关联。
引用
@article{arxiv.2109.09199,
title = {Co-occurrence of medical conditions: Exposing patterns through probabilistic topic modeling of SNOMED codes},
author = {Moumita Bhattacharya and Claudine Jurkovitz and Hagit Shatkay},
journal= {arXiv preprint arXiv:2109.09199},
year = {2021}
}