通过电子病历主题模型识别共病关联模式
计算与语言
2017-11-30 v1
摘要
患者中同时出现的多种不良健康状况通常与预后不良及门诊或住院次数增加相关。开发识别共病模式的方法可辅助诊断。因此，识别共病之间关联模式正引起日益增长的关注。在本文中，我们报告了一项数据驱动研究的初步结果，其中我们应用一种机器学习方法即主题建模于电子病历，旨在识别共病关联模式。具体而言，我们使用成熟的 latent dirichlet allocation（潜在狄利克雷分配），一种基于文档可建模为潜在主题混合、每个主题是词上分布的思想的方法。在我们的研究中，我们调整 LDA 模型以识别患者电子病历中的潜在主题。我们从定性上评估了方法的性能，并表明所获得的主题确实与以共病为特征的明确医学现象良好吻合。
引用
@article{arxiv.1711.10960,
title = {Identifying Patterns of Associated-Conditions through Topic Models of Electronic Medical Records},
author = {Moumita Bhattacharya and Claudine Jurkovitz and Hagit Shatkay},
journal= {arXiv preprint arXiv:1711.10960},
year = {2017}
}
备注
4 pages