跟踪电子健康记录的健康问题社会决定因素

非医疗因素影响健康结果的信息,称为“健康问题社会决定因素”,经常收集医疗预约。但这些信息经常被记录为文本内的临床医生写的,护士、社会工作者、和治疗师。

Regenstrief研究所的研究人员和印第安纳州费尔班克斯大学公共卫生学院的最近发表的第一个研究中自然语言处理是应用于健康问题社会决定因素。研究人员开发了三个新自然语言处理算法成功地从文本中提取信息数据与住房相关的挑战,金融稳定和就业状况从电子健康记录。

“健康和幸福不只是关于医疗服务。大多数情况下,他们对我们的行为,我们的环境,我们的社会关系Regenstrief研究所研究科学家和费尔班克斯说:“公共卫生学院的教员约书亚背心,博士,他领导了这一研究。

“越来越多的医疗机构必须处理社会决定因素,因为它是金融资源等因素,住房,和就业状况,真正推动成本使人不健康。医疗机构面临的挑战是有效地测量和识别患者社会风险,这样他们就可以进行干预。”

“我们的工作有助于推进领域的应用和方法。自然语言处理被应用到众多的条件在过去,但这是第一个文件,它适用于健康问题社会决定因素”。

“我们证明了一个相对简单的自然语言处理的方法可以有效地衡量社会决定因素而不是使用更复杂的深度学习和神经网络模型。这些模型是强大,但晚些时候复杂,难以实现,需要大量的专业知识,很多卫生系统没有。”

背心博士补充说,“我们特意设计了一个系统,可以在后台运行,阅读所有的笔记和创建标签或指标,说这个病人的记录包含数据表明可能担忧社会指标与健康有关。”

“我们的总体目标是衡量社会决定因素充分研究人员开发风险模型和临床医生和卫生保健系统能够使用这些factors-housing挑战,经济保障和就业在日常实践中帮助个人和提供一个更好的理解的总体特点和需要他们的患者人群。”

信息表明社会需要很多类型的数据可以提取电子医疗记录,包括病人信息职业、健康保险、婚姻状况、家庭规模、地址(低与高犯罪率地区)和地址更改的频率。

此前,背心博士和他的同事们,包括Regenstrief研究所数据和分析副总裁肖恩买点,医学博士他们命名,创建了一个应用程序Uppstroms为上游,瑞典,成功地证明它可以使用结构化数据来预测患者需要转诊的营养师等社会服务。

该研究发表在《华尔街日报》JAMIA开放。