NDÉ
L'étude
- Automated Travel History Extraction From Clinical Notes for Informing the Detection of Emergent Infectious Disease Events: Algorithm Development and Validation - JMIR Public Health and Surveillance - 23.12.2020 https://publichealth.jmir.org/2021/3/e26719
------
Traduction
- L'extraction automatisée des antécédents de voyage de patients à partir des dossiers médicaux pour détecter les maladies infectieuses émergentes
Les antécédents de voyage des patients peuvent être cruciaux pour évaluer l'évolution des maladies infectieuses. Il peut être difficile d'obtenir de telles informations dans les dossiers médicaux électroniques, car elles ne sont souvent disponibles que sous forme de texte non structuré.
bjectif : Cette étude vise à évaluer la faisabilité de l'annotation et de l'extraction automatique des mentions relatives aux antécédents de voyage à partir de documents cliniques non structurés du ministère des anciens combattants, dans des établissements de soins de santé disparates et parmi des millions de patients. Les informations relatives à l'exposition aux voyages complètent les applications de surveillance existantes et permettent de mieux se préparer à réagir rapidement aux menaces pour la santé publique.
Méthodes : Les documents cliniques relatifs aux maladies arbovirales ont été annotés après avoir été sélectionnés à l'aide d'un processus de bootstrapping semi-automatique. En utilisant les instances annotées comme données d'entraînement, des modèles ont été développés pour extraire du texte clinique non structuré toute mention de lieux de voyage affirmés en dehors des États-Unis continentaux. Des modèles automatisés de traitement de texte ont été évalués, impliquant l'apprentissage automatique et des modèles de langage neuronal pour la précision de l'extraction.
Résultats : Parmi les 4584 instances annotées, 2659 (58%) contenaient une mention affirmée d'antécédents de voyage, tandis que 347 (7,6%) étaient négatives. L'accord entre les annotateurs a donné lieu à un Cohen kappa de 0,776 au niveau du document. La précision du traitement automatisé des textes (F1 85,6, IC à 95 % 82,5-87,9) et la charge de calcul étaient acceptables, de sorte que le système peut fournir un dépistage rapide des événements de santé publique.
Conclusions : L'extraction automatisée des antécédents de voyage des patients à partir de documents cliniques est réalisable pour les systèmes de santé publique à surveillance passive améliorée.
En l'absence d'un tel système, il serait généralement nécessaire d'examiner manuellement les dossiers pour identifier les voyages récents ou l'absence de voyage, d'utiliser un dossier médical électronique qui impose la documentation des antécédents de voyage, ou d'ignorer complètement cette source potentielle d'informations.
Le développement de cet outil a été initialement motivé par les maladies arbovirales émergentes. Plus récemment, ce système a été utilisé dans les premières phases de la réponse au COVID-19 aux États-Unis, bien que son utilité ait été limitée à une période relativement brève en raison de la propagation rapide du virus à l'intérieur du pays.
De tels systèmes peuvent contribuer aux efforts futurs de prévention et d'endiguement de la propagation des maladies infectieuses.
Image Figure 1. Illustration des contributions de cette étude. On y trouve des exemples de textes synthétiques, le format de sortie de l'annotation et l'extraction de modèles de mentions positives de lieux maintenant déployés pour la réponse de santé publique.
Pour former un pipeline de texte automatisé, nous avons annoté un corpus pour les mentions de voyages dans l'historique des patients. Quelques exemples sont illustrés dans la figure 1. Étant donné que la documentation du clinicien sur les antécédents de voyage du patient dans le DSE peut varier, nous avons utilisé une stratégie pour identifier les déclarations candidates probables. La cohorte pour ces mentions de voyage potentielles était constituée de tous les patients ayant subi des tests de laboratoire pour les maladies arbovirales Zika, dengue ou chikungunya entre janvier 2015 et avril 2017, une plage de dates correspondant aux préoccupations concernant la transmission du virus Zika. Pour cette cohorte, nous avons inclus les notes cliniques rédigées entre 1 mois avant et 6 mois après le prélèvement des échantillons de laboratoire.
Traduit avec DeepL.com (version gratuite)
Via
nrip
Your new post is loading...
Pièges à éviter
"L'arbovirus n'est pas une famille de virus; le terme indique seulement qu'un virus est transmis par certaines espèces d'arthropodes—arthropod-borne virus.
Les membres de nombreuses différentes familles virales peuvent être des arbovirus."
Thomas M. Yuill