Autor/autores:
Fagen Xie, Deborah S Ling Grant, John Chang...(et.al)
PROPÓSITO El propósito de este estudio fue desarrollar un algoritmo de procesamiento de lenguaje natural para identificar la ideación/intento suicida a partir de notas clínicas de texto libre. MÉTODOS Las notas clínicas que contenían palabras clave preespecificadas relacionadas con la ideación/intentos suicidas de 2010 a 2018 se extrajeron...
Estás viendo una versión reducida de este contenido.
Para consultar la información completa debes registrarte gratuitamente.
Tan sólo te llevará unos segundos.
Y si ya estás registrado inicia sesión pulsando aquí.
El propósito de este estudio fue desarrollar un algoritmo de procesamiento de lenguaje natural para identificar la ideación/intento suicida a partir de notas clínicas de texto libre.
Las notas clínicas que contenían palabras clave preespecificadas relacionadas con la ideación/intentos suicidas de 2010 a 2018 se extrajeron del sistema de registro de salud electrónico de nuestra organización. Se seleccionó una muestra aleatoria de 864 notas clínicas y se dividió equitativamente en 4 subconjuntos.
Estos subconjuntos fueron revisados y clasificados como 1 de las siguientes 3 categorías de intento/ideación suicida (actual, histórico y no) por resúmenes de gráficos de investigación experimentados. Los primeros 3 conjuntos de datos se usaron para desarrollar secuencialmente el algoritmo computarizado basado en reglas y el cuarto conjunto de datos se usó para evaluar el rendimiento del algoritmo. A continuación, se aplicó el algoritmo validado a toda la muestra de notas clínicas del estudio.
El algoritmo computarizado identificó correctamente 23 de las 26 ideas/intentos suicidas actuales confirmados y las 10 ideas/intentos suicidas históricos confirmados en el conjunto de datos de validación. Produjo una sensibilidad del 88, 5 % y un valor predictivo positivo del 100, 0 % para las ideas/intentos suicidas actuales, y una sensibilidad del 100, 0 % y un valor predictivo positivo para las ideas/intentos suicidas históricos.
Después de aplicar el algoritmo computarizado a todo el conjunto de notas del estudio, identificamos un total de 1 050 287 eventos actuales de ideación/intento y 293 037 eventos históricos de ideación/intento documentados en notas clínicas. Aquellos para los que se documentaron eventos de ideación/intento actuales tenían más probabilidades de ser mujeres (59, 5 %), de 25 a 44 años (28, 3 %) y de raza blanca (43, 4 %).
Nuestro estudio demostró que un algoritmo computarizado puede identificar de manera efectiva la ideación/los intentos suicidas a partir de las notas clínicas.
Este algoritmo se puede utilizar para respaldar los programas de investigación de prevención del suicidio y las iniciativas de mejora de la calidad de la atención al paciente.
Para acceder al texto completo consulte las características de suscripción de la fuente original:https://thepermanentejournal.org/
