基于临床社会工作记录的 topic modeling 探索健康社会决定因素
计算与语言
2022-12-06 v1
摘要
大多数研究健康社会决定因素(SDoH)的工作都聚焦于医师记录或电子病历(EMR)中的结构化要素。我们假设,社会工作者的临床记录——其职责在于改善社会与经济因素——可能为 SDoH 提供更丰富的数据来源。我们试图通过主题建模(topic modeling)在大规模社会工作记录队列中识别稳健的讨论主题。我们从加州大学旧金山分校的 181,644 名患者中检索了多样化、去标识化的 95 万份临床社会工作记录语料库。我们使用词频分析与潜在狄利克雷分配(Latent Dirichlet Allocation, LDA)主题建模分析来刻画该语料库并识别潜在的讨论主题。词频分析识别出了与特定 ICD10 章节相关的医疗与非医疗术语。LDA 主题建模分析提取了 11 个与健康风险社会决定因素相关的主题,包括财务状况、受虐史、社会支持、死亡风险与心理健康。此外,该主题建模方法捕捉了不同类型社会工作记录之间以及患有不同疾病或病症患者之间的差异。我们证明,社会工作记录包含关于个体 SDoH 的丰富、独特且无法以其他方式获取的信息。
引用
@article{arxiv.2212.01462,
title = {Topic Modeling on Clinical Social Work Notes for Exploring Social Determinants of Health Factors},
author = {Shenghuan Sun and Travis Zack and Madhumita Sushil and Atul J. Butte},
journal= {arXiv preprint arXiv:2212.01462},
year = {2022}
}
备注
Under review