权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Detection of adverse events in electronic medical records using natural language processing

使用自然语言处理检测电子病历中的不良事件

基本信息

批准号：
21390159
负责人：
TOYABE Shin-ichi
金额：
$ 5.82万
依托单位：
Niigata University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2009
资助国家：
日本
起止时间：
2009 至 2011
项目状态：
已结题

项目摘要

Incident reporting system is widely used in hospital to detect patient safety incidents and adverse events. However, there are several problems in the system such as under-reporting and lag-time between events and submission of the reports. To resolve these issues, we tried to detect incidents by using natural language processing of electronic medical records. We constructed syntactic-semantic category decision rules and applied these rules to narrative text data in medical records. As for inpatient falls, these rules showed satisfactory performance(sensitivity 86. 5% and specificity 97. 5%). Progress notes and discharge summaries were not appropriate for data sources to be used in this method because of their low specificity or low sensitivity. In contrast, natural language processing of text data on image order entries enables rapid detection of injurious falls. This method is useful to compensate the shortcomings of incident reporting system such as the under reporting and the lag-time.

事件报告系统被广泛应用于医院，以发现患者安全事件和不良事件。然而，该系统存在一些问题，如报告不足和事件与提交报告之间的时间滞后。为了解决这些问题，我们试图通过使用电子医疗记录的自然语言处理来检测事件。我们构建了句法-语义类别决策规则，并将这些规则应用于医疗记录中的叙述性文本数据。对于住院病人的福尔斯，这些规则表现出令人满意的性能（灵敏度86。5%，特异性97。5%）。由于其低特异性或低敏感性，病程记录和出院总结不适合用于该方法的数据来源。相比之下，图像订单条目上的文本数据的自然语言处理能够快速检测伤害性福尔斯。该方法可以有效地弥补事故报告系统的漏报、滞后等缺陷。

项目成果

期刊论文数量（0）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

テキストマイニングを用いた電子カルテからのインシデント情報検出

使用文本挖掘从电子病历中检测事件信息

DOI：
发表时间：
2011
期刊：
影响因子：
0
作者：
Pongthong Pongvinyoo;Masahiro Yamao;Kenji Hosono;平川南;葭森健介;三ツ井崇;池田嘉郎;徳澤啓一・平野裕子・北野博司・中村真里絵;菊池勇夫;鳥谷部真一
通讯作者：
鳥谷部真一

インシデントレポートで報告されない転倒事例の特徴

事件报告中未报告的跌倒案例的特征

DOI：
发表时间：
2011
期刊：
影响因子：
0
作者：
Pongthong Pongvinyoo;Masahiro Yamao;Kenji Hosono;平川南;葭森健介;三ツ井崇;池田嘉郎;徳澤啓一・平野裕子・北野博司・中村真里絵;菊池勇夫;鳥谷部真一;阿部美香;犬飼隆;妹尾達彦;徳澤啓一・北野博司・中村真里絵・平野裕子;中村和之;佐藤智水;山尾政博・横山英信;仁藤敦史;トマシュ・カムセラ（訳・解題割田聖史）;妹尾達彦;三ツ井崇;鳥谷部真一
通讯作者：
鳥谷部真一

World Health Organization fracture risk assessment tool in the assessment of fractures after falls in hospital