Rule-Based Identification of Individuals with Mild Cognitive Impairment or Alzheimer’s Disease Using Clinical Notes from the United States Veterans Affairs Healthcare System
Notice bibliographique
Résumé
BACKGROUND: Early identification of individuals with mild cognitive impairment (MCI) and Alzheimer's disease (AD) is a clinical and research imperative. Use of diagnostic codes for MCI and AD identification has limitations. We used clinical notes to supplement diagnostic codes in the Veterans Affairs Healthcare System (VAHS) electronic health records (EHR) to identify and establish cohorts of Veterans recorded with MCI or AD. METHODS: Targeted keyword searches for MCI ("Mild cognitive impairment;" "MCI") and AD ("Alz*") were used to extract clinical notes from the VAHS EHR from fiscal year (FY) 2010 through FY 2019. Iterative steps of inclusion and exclusion were applied until searches achieved a positive predictive value ≥ 80%. MCI and AD cohorts were identified via clinical notes and/or diagnostic codes (i.e., including Veterans recorded by "Notes Only," "Notes + Code," or "Codes Only"). RESULTS: A total of 2,134,661 clinical notes from 339,007 Veterans met the iterative search criteria for MCI due to any cause and 4,231,933 notes from 572,063 Veterans met the iterative search criteria for AD. Over the 10-year study period, the number of clinical notes recording AD was generally stable, whereas the number for MCI more than doubled. More Veterans were identified for the MCI or AD cohorts via clinical notes than by diagnostic codes, particularly in the AD cohort. Among Veterans identified by having "Notes + Code" for MCI, the number first recorded by a code was lower than the number first recorded by a note until FY 2015 and then gradually became comparable after FY 2015. Among Veterans identified by having "Notes + Code" for AD, the number first recorded by a note was more than double the number first recorded by a code AD in each of the FYs. CONCLUSIONS: Clinical note-based identification captured more Veterans recorded with MCI and AD than diagnostic code-based identification.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,010 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».