A Pilot Report on Extracting Symptom Onset Date and Time From Clinical Notes in Patients Presenting With Chest Pain
Notice bibliographique
Résumé
The timing of clinical events is important information in understanding disease progression and its critical context and relationship to treatment and patient outcomes. However, time information documentation in the electronic health record (EHR) is inconsistent, hindering its utility in research and clinical care. In research where event timing is crucial, such as symptom onset in acute coronary syndrome, automated tools can expedite data collection, reducing the reliance on labor-intensive manual reviews. We aimed to apply natural language processing (NLP) methods for extracting date and time (DateTime) information from free-text EHR clinical notes. Two off-the-shelf NLP pipelines, parsedatetime and regular expression ( regex ), were pilot tested on 71 annotated clinical notes: History and Physical (n=49), Emergency Department Screening (n=3), and Triage Notes (n=19). Parsedatetime identified correct DateTime information in 36 notes (50.7%) with an F1-score of 0.31 (low performance), while regex failed to produce any accurate outputs. Despite parsedatetime outperforming regex , its performance remains inadequate. Both approaches required significant refinement and customization to improve efficacy. To optimize automated DateTime extraction, future research should focus on advanced rule-based NLP methods capable of handling complex narratives. Consistent time documentation by clinicians, adhering to standardized formats, remains essential for improving the downstream usability of EHR data.
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 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».