护理不良事件非结构上报内容的自然语言处理及效果比较

• 作者: 宋杰 皮红英 章洁 高远
• 来源期刊: 护理学报
• 学科: 医学
• 关键词: 风险管理 不良事件报告 自然语言处理 人工智能
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 论著
• 页码范围: 1-4
• 页数: 4页
• 分类号: R47|C931.3
• 字数: 4956字
• 语种: 中文
• DOI: 10.16460/j.issn1008-9969.2018.03.001

摘要

目的 验证自然语言处理对于分析护理不良事件非结构文本的可行性.方法 选取某院2013年1月-2016年12月上报的压疮护理不良事件1599例次,使用自然语言处理法和人工标注法分别对1599例次数据同时进行处理,评价自然语言处理对识别护理不良事件因素的灵敏度、特异度、准确度及阳性预测值.结果 自然语言处理组的标注率(88.56%)显著高于人工标注组(63.77%)(P<0.001),自然语言处理组的灵敏度达到87.19%,但是,特异度(9.03%)及阳性预测值(62.79%)较低.迭代分析显示,随着训练数据集的增大,其灵敏度、阳性预测值、准确度均升高(χ2=2607.603,P<0.001).标注位置的分析,共获得16个护理不良事件相关因素,其中7个因素的灵敏度均高于70%.结论 自然语言处理可对护理不良事件非结构上报文本进行有效识别,不仅为医疗信息转化为有用数据提供了创新思路,还能自动化识别护理不良事件的因素,为护理不良事件的分析提供实时、便捷、智能的解决方案,对护理不良事件的大数据分析和人工智能的开发具有参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	皮红英	中国人民解放军总医院护理部	55	398	11.0	18.0
2	高远	中国人民解放军总医院护理部	14	28	3.0	5.0
3	宋杰	中国人民解放军总医院护理部	10	29	3.0	5.0
4	章洁	中国人民解放军总医院护理部	11	65	5.0	7.0