用于药物过量死亡精细监测的深度神经网络
计算与语言
2022-06-08 v3
摘要
药物过量死亡的监测依赖于死亡证明来识别导致死亡的物质。药物和药物类别可通过死亡证明上的国际疾病分类第十版（ICD-10）代码识别。然而，ICD-10 代码在药物识别上并不总能提供高特异性。为了在死亡证明上实现更精细的物质识别，必须分析由医学证明人填写的死亡原因自由文本部分。当前分析自由文本死亡证明的方法仅依赖查找表来识别特定物质，而这些表必须频繁更新和维护。为改进死亡证明上药物的识别，我们开发了一个深度学习命名实体识别模型，其 F1 分数达到 99.13%。该模型能够识别当前监测查找表中未出现的新药物拼写错误和新物质，从而增强对药物过量死亡的监测。
引用
@article{arxiv.2202.12448,
title = {Deep neural networks for fine-grained surveillance of overdose mortality},
author = {Patrick J. Ward and April M. Young and Svetla Slavova and Madison Liford and Lara Daniels and Ripley Lucas and Ramakanth Kavuluru},
journal= {arXiv preprint arXiv:2202.12448},
year = {2022}
}
备注
Accepted to appear in the American Journal of Epidemiology