利用临床笔记中的自动特征生成检测手术部位感染
信息检索
2018-12-10 v2
摘要
术后并发症 (PSCs) 被认为是正常术后病程的偏离，并按严重程度和治疗需求进行分类。手术部位感染 (SSI) 是主要的 PSCs 之一，也是最常见的医疗相关感染，会导致住院时间延长和成本增加。在本工作中，我们评估了一种使用带有启发式规则的子语言分析从临床叙事中自动生成词典（即关键词特征）以检测 SSI 的方法，并由医学专家对这些关键词进行了评估。为了进一步验证我们的方法，我们还在队列上使用自动生成的关键词进行了决策树算法。结果表明，我们的框架能够从临床叙事中识别 SSI 关键词，并通过扩充搜索查询来支持基于搜索的自然语言处理 (NLP) 方法。
引用
@article{arxiv.1803.08850,
title = {Detection of Surgical Site Infection Utilizing Automated Feature Generation in Clinical Notes},
author = {Feichen Shen and David W Larson and James M. Naessens and Elizabeth B. Habermann and Hongfang Liu and Sunghwan Sohn},
journal= {arXiv preprint arXiv:1803.08850},
year = {2018}
}