利用临床文本度量镰状细胞病的疼痛
信息检索
2020-08-26 v1 计算与语言
机器学习
摘要
镰状细胞病（SCD）是人类红细胞的一种遗传性疾病。当畸形、镰状的红细胞通过小血管时被卡住，SCD 会出现疼痛、中风和器官衰竭等并发症。尤其是，急性疼痛被认为是 SCD 的主要症状。SCD 疼痛的隐匿性和主观性导致医疗从业者（MPs）在疼痛评估方面面临挑战。因此，准确识别 SCD 患者的疼痛标志物对疼痛管理至关重要。基于疼痛程度对 SCD 患者的临床笔记进行分类，可使 MPs 给予适当治疗。我们提出一个二分类模型来预测临床笔记的疼痛相关性，以及一个多分类模型来预测疼痛程度。尽管我们的四个二分类机器学习（ML）分类器性能相当，但决策树在多分类任务中表现最佳，F-measure 达到 0.70。我们的结果显示了临床文本分析和机器学习在镰状细胞病患者疼痛管理中的潜力。
引用
@article{arxiv.2008.11081,
title = {Measuring Pain in Sickle Cell Disease using Clinical Text},
author = {Amanuel Alambo and Ryan Andrew and Sid Gollarahalli and Jacqueline Vaughn and Tanvi Banerjee and Krishnaprasad Thirunarayan and Daniel Abrams and Nirmish Shah},
journal= {arXiv preprint arXiv:2008.11081},
year = {2020}
}
备注
The 42nd Annual International Conference of the IEEE Engineering in Medicine and Biology Society