Redundancy-aware topic modeling for patient record notes.
Redundancy-aware topic modeling for patient record notes.
复制标题
DOI：
10.1371/journal.pone.0087555
复制
发表时间：
2014
期刊：
影响因子：
3.7
通讯作者：
Elhadad N
中科院分区：
文献类型：
--
作者：
Cohen R;Aviram I;Elhadad M;Elhadad N
给定患者记录中的临床笔记包含很多冗余，这在很大程度上是由于临床医生的记录习惯是从记录中以前的笔记复制并粘贴到新笔记中。先前的工作表明，这种冗余会对文本挖掘和主题建模的质量产生负面影响，特别是。在本文中，我们描述了潜在狄利克雷分配（LDA）主题建模的一种新变体，Red-LDA，它在对临床记录内容进行建模时考虑了患者记录的固有冗余。为了评估 Red-LDA 的价值，我们尝试了三个基线和我们新颖的冗余感知主题建模方法：给定大量患者记录，（i）将普通 LDA 应用于所有输入记录中的所有文档； (ii) 通过为每条记录选择一个具有代表性的文档作为 LDA 的输入来识别并消除所有冗余； (iii) 识别并删除每条记录中的所有冗余段落，留下部分非冗余文档作为 LDA 的输入； (iv) 将 Red-LDA 应用于所有输入记录中的所有文档。通过对保留数据的对数似然性和所产生主题的主题连贯性进行的定量评估以及由医生对主题进行的定性评估都表明，Red-LDA 产生了优于所有三种基线策略的模型。这项研究有助于理解电子健康记录的特征以及如何在数据挖掘框架中解释它们的新兴领域。两个冗余消除基线和 Red-LDA 的代码已向社区公开。
The clinical notes in a given patient record contain much redundancy, in large part due to clinicians’ documentation habit of copying from previous notes in the record and pasting into a new note. Previous work has shown that this redundancy has a negative impact on the quality of text mining and topic modeling in particular. In this paper we describe a novel variant of Latent Dirichlet Allocation (LDA) topic modeling, Red-LDA, which takes into account the inherent redundancy of patient records when modeling content of clinical notes. To assess the value of Red-LDA, we experiment with three baselines and our novel redundancy-aware topic modeling method: given a large collection of patient records, (i) apply vanilla LDA to all documents in all input records; (ii) identify and remove all redundancy by chosing a single representative document for each record as input to LDA; (iii) identify and remove all redundant paragraphs in each record, leaving partial, non-redundant documents as input to LDA; and (iv) apply Red-LDA to all documents in all input records. Both quantitative evaluation carried out through log-likelihood on held-out data and topic coherence of produced topics and qualitative assessement of topics carried out by physicians show that Red-LDA produces superior models to all three baseline strategies. This research contributes to the emerging field of understanding the characteristics of the electronic health record and how to account for them in the framework of data mining. The code for the two redundancy-elimination baselines and Red-LDA is made publicly available to the community.
登录
查看更多内容
影响因子：
3.7
作者：
Wang H;Ding Y;Tang J;Dong X;He B;Qiu J;Wild DJ
通讯作者：
Wild DJ
影响因子：
3
作者：
Bisgin H;Liu Z;Kelly R;Fang H;Xu X;Tong W
通讯作者：
Tong W
影响因子：
6
作者：
Blei, DM;Ng, AY;Jordan, MI
通讯作者：
Jordan, MI
影响因子：
3
作者：
Cohen R;Elhadad M;Elhadad N
通讯作者：
Elhadad N
DOI：
10.1136/amiajnl-2012-001145
发表时间：
2013-01-01
期刊：
Journal of the American Medical Informatics Association : JAMIA
影响因子：
--
作者：
Hripcsak G;Albers DJ
通讯作者：
Albers DJ