相关文章“人工智能处理电子健康记录以识别免疫中心Humanitas的共性和共病集群”的数据集

资源简介

该数据集包含与文章“人工智能处理电子健康记录以识别免疫中心Humanitas的共性和共病集群”相关的原始数据。背景：共病在慢性炎症性疾病中常见，需要多学科治疗。研究评估了基于NLP的知识发现过程，从临床医生在就诊期间撰写的自由文本叙事中提取关于病理、患者表型、医生处方和共性的信息，从而从多学科环境中提取有价值的信息并丰富真实世界证据。方法：收集了Humanitas研究医院过敏科过去3年的临床笔记，用于寻找与患者主要病理相关的共病集群，以及全身性皮质类固醇处方的程度，评估基于NLP的工具从自由文本中提取结构化信息的能力。结果：发现最常见的三种共病是哮喘、鼻炎和荨麻疹；2057名患者中有991名至少患有其中一种。特别频繁共现的集群包括口腔过敏综合征和荨麻疹（131例）、血管性水肿和荨麻疹（105例）、鼻炎和哮喘（227例）。关于全身性皮质类固醇处方量，发现除慢性阻塞性肺疾病和血管性水肿外，其他疾病的处方量低于患者就诊前的治疗。结论：该分析有效，与文献数据一致，表明NLP工具在医学研究领域具有重要作用，可帮助识别可能被忽视的共病集群，促进多学科方法。