自然语言处理量化微生物性角膜炎测量指标
Natural Language Processing to Quantify Microbial Keratitis Measurements.
PubMed 文献 · Ophthalmology · 2019-06-11
该研究评估了一种自然语言处理(NLP)算法从电子健康记录(EHR)中提取微生物性角膜炎形态学测量数据的效果,算法敏感度为75%–96%,特异度为91%–96%,表明NLP能准确从角膜检查自由文本EHR字段中提取数据。
要点
- NLP算法从EHR提取微生物性角膜炎形态学测量的敏感度为75%–96%。
- 该算法提取数据的特异度为91%–96%。
- NLP可准确从角膜检查自由文本EHR字段中提取数据。
核心结论
- NLP算法从电子健康记录中提取微生物性角膜炎形态学测量数据具有75%–96%的敏感度和91%–96%的特异度。
- NLP能准确从角膜检查自由文本EHR字段中提取数据。
研究设计与样本
- 原文未报告研究设计与样本量。
主要发现
- NLP算法提取微生物性角膜炎形态学测量的敏感度为75%–96%。
- NLP算法提取微生物性角膜炎形态学测量的特异度为91%–96%。
临床怎么用
- 原文未据此给出推荐。
局限性
- 原文未报告局限性。
以上解读依据论文摘要(全文未开放获取或许可不允许翻译转载)。
原文
A natural language processing (NLP) algorithm to extract microbial keratitis morphology measurements from the electronic health record (EHR) was 75-96% sensitive and 91%-96% specific. NLP accurately extracts data from the corneal exam free-text EHR field.
来源:Ophthalmology,查看原文。版权归原作者所有。
引用
- Maganti N, Tan H, Niziol LM, et al. Natural Language Processing to Quantify Microbial Keratitis Measurements. Ophthalmology. 2019. PMID: 31307829. doi:10.1016/j.ophtha.2019.06.003
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。