Validation of a Natural Language Processing Algorithm for the Extraction of the Sleep Parameters from the Polysomnography Reports.
Validation of a Natural Language Processing Algorithm for the Extraction of the Sleep Parameters from the Polysomnography Reports.
复制标题
DOI：
10.3390/healthcare10101837
复制
发表时间：
2022-09-22
期刊：
影响因子：
2.8
通讯作者：
Razjouyan, Javad
中科院分区：
文献类型：
--
作者：
Rahman, Mahbubur;Nowakowski, Sara;Agrawal, Ritwick;Naik, Aanand;Sharafkhaneh, Amir;Razjouyan, Javad
背景：有必要更好地了解睡眠与慢性疾病之间的关系。在这项研究中，我们开发了一种自然语言处理（NLP）算法，从电子病历（EMR）中挖掘多导睡眠图（PSG）的自由文本笔记，并评估了性能。方法：使用退伍军人健康管理局EMR，我们从2000年10月1日至2019年9月30日使用CPT代码95，810识别了46，093项PSG研究。我们随机选择了200个笔记来比较NLP算法在挖掘睡眠参数方面的准确性，包括总睡眠时间（TST），睡眠效率（SE）和睡眠开始潜伏期（SOL），睡眠开始后觉醒（WASO）和呼吸暂停低通气指数（AHI），与对NLP输出进行掩蔽的评分员的视觉检查相比。结果：NLP在训练阶段的准确率、召回率和TST、SOL、SE、WASO和AHI的F-1评分均>0.90。NLP在测试阶段的精确度、召回率和TST、SOL、SE、WASO和AHI的F-1评分均>0.90。结论：本研究表明，NLP是一种准确的技术，从PSG报告中提取的EMR睡眠参数。因此，NLP可以作为大型医疗保健系统中评估和改善患者护理的有效工具。
Background: There is a need to better understand the association between sleep and chronic diseases. In this study we developed a natural language processing (NLP) algorithm to mine polysomnography (PSG) free-text notes from electronic medical records (EMR) and evaluated the performance. Methods: Using the Veterans Health Administration EMR, we identified 46,093 PSG studies using CPT code 95,810 from 1 October 2000–30 September 2019. We randomly selected 200 notes to compare the accuracy of the NLP algorithm in mining sleep parameters including total sleep time (TST), sleep efficiency (SE) and sleep onset latency (SOL), wake after sleep onset (WASO), and apnea-hypopnea index (AHI) compared to visual inspection by raters masked to the NLP output. Results: The NLP performance on the training phase was >0.90 for precision, recall, and F-1 score for TST, SOL, SE, WASO, and AHI. The NLP performance on the test phase was >0.90 for precision, recall, and F-1 score for TST, SOL, SE, WASO, and AHI. Conclusions: This study showed that NLP is an accurate technique to extract sleep parameters from PSG reports in the EMR. Thus, NLP can serve as an effective tool in large health care systems to evaluate and improve patient care.
登录
查看更多内容
影响因子：
3.9
作者：
Razjouyan J;Helmer DA;Li A;Naik AD;Amos CI;Bandi V;Sharafkhaneh A
通讯作者：
Sharafkhaneh A
影响因子：
4.8
作者：
Chen G;Taylor PA;Haller SP;Kircanski K;Stoddard J;Pine DS;Leibenluft E;Brotman MA;Cox RW
通讯作者：
Cox RW
多摄影学睡眠与发展痴呆的时间有关：使用19年VA国家EHR数据的研究
影响因子：
7
作者：
Nowakowski S;Razjouyan J;Sharafkhaneh A;Kunik M;Naik A
通讯作者：
Naik A
影响因子：
4.5
作者：
Murtaugh, Maureen A.;Gibson, Bryan Smith;Zeng-Treitler, Qing
通讯作者：
Zeng-Treitler, Qing
DOI：
10.1136/amiajnl-2011-000535
发表时间：
2012-09-01
影响因子：
6.4
作者：
Garvin, Jennifer H.;DuVall, Scott L.;Goldstein, Mary K.
通讯作者：
Goldstein, Mary K.