Natural Language Processing to Assess Documentation of Features of Critical Illness in Discharge Documents of Acute Respiratory Distress Syndrome Survivors
Notice bibliographique
Résumé
RATIONALE: Transitions to outpatient care are crucial after critical illness, but the documentation practices in discharge documents after critical illness are unknown. OBJECTIVES: To characterize the rates of documentation of various features of critical illness in discharge documents of patients diagnosed with acute respiratory distress syndrome (ARDS) during their hospital stay. METHODS: We used natural language processing tools to build a keyword-based classifier that categorizes discharge documents by presence of terms from four groups of keywords related to critical illness. We used a multivariable modified Poisson regression model to infer patient- and hospital-level characteristics associated with documentation of relevant keywords. A manual chart review was used to validate the accuracy of the keyword-based classifier, and to assess for ARDS documentation during the hospital stay. MEASUREMENTS AND MAIN RESULTS: Of 815 discharge documents, ARDS was identified in only 111 (13%). Mechanical ventilation was identified in 770 (92%) and intensive care unit (ICU) admission in 693 (83%) of discharge documents. Symptoms or recommendations related to post-intensive care syndrome were included in 306 (38%) of discharge documents. Patient age (older; relative risk [RR] = 0.97/yr, 95% confidence interval [CI] = 0.96-0.98) and higher PaO2:FiO2 (decreasing illness severity; RR = 0.96/10-unit increment, 95% CI = 0.93-0.98) were associated with decreased documentation of ARDS. Being discharged from a surgical (RR = 0.33, 95% CI = 0.22-0.50) compared with a medicine service was also associated with decreased rates of ARDS documentation. The manual chart review revealed 98% concordance between ARDS documentation in the discharge summary and during the hospital stay. Accuracy of the document classifier was 100% for ARDS and mechanical ventilation, 98% for ICU admission, and 95% for symptoms of post-intensive care syndrome. CONCLUSIONS: In the discharge documents of survivors of ARDS, ARDS itself is rarely mentioned, but mechanical ventilation and ICU stay frequently are. The low rates of documentation of ARDS appear to be concordant with low rates of documentation during the hospital stay, consistent with known underrecognition in the ICU. Natural language processing tools can be used to effectively analyze large numbers of discharge documents of patients with critical illness.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».