Predicting the risk of suicide by analyzing the text of clinical notes.
Predicting the risk of suicide by analyzing the text of clinical notes.
复制标题
DOI：
10.1371/journal.pone.0085733
复制
发表时间：
2014
期刊：
影响因子：
3.7
通讯作者：
McAllister T
中科院分区：
文献类型：
--
作者：
Poulin C;Shiner B;Thompson P;Vepstas L;Young-Xu Y;Goertzel B;Watts B;Flashman L;McAllister T
我们开发了语言学驱动的预测模型来估计自杀风险。这些模型是从美国退伍军人管理局（VA）医疗记录的全国样本中提取的非结构化临床笔记生成的。我们创建了三个匹配的队列：自杀的退伍军人，使用心理健康服务但没有自杀的退伍军人，以及没有使用心理健康服务且在观察期间没有自杀的退伍军人（每组n=70）。 从临床记录中，我们生成了单个关键词和多词短语的数据集，并使用基于遗传编程框架的机器学习算法构建了预测模型。由此产生的推理准确率始终为65%或更高。因此，我们的数据表明，计算机化的文本分析可以应用于非结构化的医疗记录，以估计自杀的风险。由此产生的系统可以让临床医生在初级保健水平上筛选看似健康的患者，并持续评估精神病患者的自杀风险。
We developed linguistics-driven prediction models to estimate the risk of suicide. These models were generated from unstructured clinical notes taken from a national sample of U.S. Veterans Administration (VA) medical records. We created three matched cohorts: veterans who committed suicide, veterans who used mental health services and did not commit suicide, and veterans who did not use mental health services and did not commit suicide during the observation period (n = 70 in each group). From the clinical notes, we generated datasets of single keywords and multi-word phrases, and constructed prediction models using a machine-learning algorithm based on a genetic programming framework. The resulting inference accuracy was consistently 65% or more. Our data therefore suggests that computerized text analytics can be applied to unstructured medical records to estimate the risk of suicide. The resulting system could allow clinicians to potentially screen seemingly healthy patients at the primary care level, and to continuously evaluate the suicide risk among psychiatric patients.
登录
查看更多内容
影响因子：
120.7
作者：
Kessler, RC;Berglund, P;Wang, PS
通讯作者：
Wang, PS
影响因子：
5.4
作者：
Nissim, Rinat;Gagliese, Lucia;Rodin, Gary
通讯作者：
Rodin, Gary
DOI：
10.1016/s1553-7250(10)36015-6
发表时间：
2010-02-01
影响因子：
2.3
作者：
Mills, Peter D.;Watts, B. Vince;Bagian, James P.
通讯作者：
Bagian, James P.
影响因子：
6.9
作者：
Borges, Guilherme;Angst, Jules;Kessler, Ronald C.
通讯作者：
Kessler, Ronald C.
影响因子：
3.2
作者：
Betz, Marian E.;Valley, Morgan A.;Honigman, Benjamin
通讯作者：
Honigman, Benjamin