پیش از این، دکتر وست و همکارانش، از جمله معاون رئیس موسسه Regenstrief برای داده ها و تجزیه و تحلیل Shaun Grannis، MD، برنامه ای را ایجاد کردند که به نام Uppstroms، سوئدی برای بالادست، نام گذاری کردند و با موفقیت نشان دادند که می تواند از داده های ساختار یافته برای پیش بینی بیمارانی که نیاز به ارجاع دارند استفاده کند. به یک سرویس اجتماعی مانند متخصص تغذیه.
مرجع مجله:
منبع:
آلن، کاس، و همکاران (2023) ماشین‌های حالت مبتنی بر پردازش زبان طبیعی برای استخراج عوامل اجتماعی از اسناد بالینی بدون ساختار. جامیا اوپن. doi.org/10.1093/jamiaopen/ooad024.
منبع
جاشوا وست، دکترا، دانشمند تحقیقاتی موسسه Regenstrief و عضو هیئت علمی دانشکده بهداشت عمومی فیربنکس
محققان موسسه Regenstrief و دانشکده بهداشت عمومی فیربنکس دانشگاه ایندیانا اخیراً یکی از اولین مطالعاتی را منتشر کردند که در آن پردازش زبان طبیعی برای تعیین‌کننده‌های اجتماعی سلامت اعمال شد. محققان سه الگوریتم پردازش زبان طبیعی جدید را برای استخراج موفقیت‌آمیز اطلاعات از داده‌های متنی مرتبط با چالش‌های مسکن، ثبات مالی و وضعیت اشتغال از پرونده‌های سلامت الکترونیکی توسعه دادند.
ما عمداً سیستمی طراحی کردیم که می‌تواند در پس‌زمینه اجرا شود، تمام یادداشت‌ها را بخواند و برچسب‌ها یا شاخص‌هایی ایجاد کند که می‌گوید سوابق این بیمار حاوی داده‌هایی است که نشان‌دهنده نگرانی احتمالی در مورد یک شاخص اجتماعی مرتبط با سلامتی است. هدف کلی ما اندازه‌گیری عوامل تعیین‌کننده اجتماعی به اندازه کافی برای محققان است تا مدل‌های خطر را توسعه دهند و پزشکان و سیستم‌های مراقبت بهداشتی بتوانند از این عوامل – چالش‌های مسکن، امنیت مالی و وضعیت شغلی – در تمرینات معمول برای کمک به افراد و ارائه بهتر استفاده کنند. درک ویژگی های کلی و نیازهای جمعیت بیمار خود.”
جاشوا وست، دانشمند پژوهشی موسسه Regenstrief و عضو هیأت علمی دانشکده بهداشت عمومی فیربنکس، دکتر جاشوا وست، که رهبری این پژوهش را بر عهده داشت، گفت: «سلامتی و رفاه فقط مربوط به مراقبت‌های پزشکی نیست. بیشتر به رفتارهای ما، محیط و ارتباطات اجتماعی ما مربوط می‌شود. مطالعه. سازمان‌های مراقبت‌های بهداشتی بیشتر و بیشتری مجبورند با عوامل تعیین‌کننده اجتماعی سروکار داشته باشند، زیرا این عواملی مانند منابع مالی، مسکن و وضعیت شغلی هستند که واقعاً باعث ایجاد هزینه‌ها می‌شوند که مردم را ناسالم می‌کنند. چالش سازمان‌های مراقبت‌های بهداشتی اندازه‌گیری و شناسایی موثر بیماران با خطرات اجتماعی است. تا بتوانند مداخله کنند».
اطلاعات مربوط به عوامل غیرپزشکی که بر نتایج سلامتی تأثیر می‌گذارند، که به عنوان عوامل اجتماعی تعیین‌کننده سلامت شناخته می‌شوند، اغلب در قرار ملاقات‌های پزشکی جمع‌آوری می‌شوند. اما این اطلاعات اغلب به عنوان متن در یادداشت های بالینی نوشته شده توسط پزشکان، پرستاران، مددکاران اجتماعی و درمانگران ثبت می شود.
“کار ما به پیشرفت این رشته در کاربرد و روش‌شناسی کمک می‌کند. پردازش زبان طبیعی در گذشته در شرایط متعددی به کار گرفته شده است، اما این یکی از اولین مقالاتی است که آن را برای تعیین‌کننده‌های اجتماعی سلامت اعمال می‌کند. ما نشان دادیم که یک طبیعی نسبتا ساده رویکرد پردازش زبان می‌تواند به‌جای استفاده از مدل‌های پیچیده‌تر یادگیری عمیق و شبکه‌های عصبی، عوامل اجتماعی را اندازه‌گیری کند.
اطلاعاتی که نشان دهنده نیازهای اجتماعی است را می توان برای بسیاری از انواع داده ها در پرونده پزشکی الکترونیکی استخراج کرد، از جمله اطلاعات مربوط به شغل بیمار، پوشش بیمه سلامت، وضعیت تأهل، اندازه خانوار، آدرس (منطقه کم در مقابل جرم زیاد) و فراوانی تغییر آدرس.