Проблемы пациента при пневмонии настоящие потенциальные приоритетные


Презентация "Сестринская помощь при пневмонии"

Описание слайда:

В соответствии с новыми образовательными стандартами после изучения материала студенты должны: Знать: -этапы сестринского процесса -определение понятия «Пневмония» -этиологию пневмонии -симптоматику и клинические проявления, осложнения -нарушенные потребности и проблемы пациента (настоящие, потенциальные, приоритетные) -диагностика, лечение, прогноз, профилактика Уметь: -провести сестринское обследование пациента с пневмонией; -выявить проблемы пациента и интерпретировать нарушенные потребности; -спланировать цели ухода и сестринские вмешательства; -реализовать план ухода; -оценить полученные результаты и внести коррективы в план ухода; -выполнить сестринские манипуляции (взвешивание, измерение роста, определение индекса массы тела, осмотр, пальпация, перкуссия и аускультация легких, подсчет частоты дыхательных движений, подсчет и характеристика пульса, измерение артериального давления, подсчет пульса и его характеристики, подкожная инъекция, внутримышечная инъекция, внутривенная инъекция, подготовка пациентов к рентгенографии легких, бронхоскопии, ЭКГ, сбору мокроты, техника взятия крови на общий анализ).

Пневмония: причины, симптомы и лечение

Пневмония - это широкий термин, обозначающий распространенную инфекцию легких , обычно вызываемую бактериями или вирусами. Заболевание также может быть осложнением гриппа .

Когда что-то вроде бактерий , например, попадает в ткань легких, это вызывает воспалительный ответ , который приводит к выработке слизи, сказала доктор Морин Дзиура, специалист по легким в Медицинском центре Тафтса в Бостоне. По ее словам, скопление слизи может вызвать некоторые симптомы пневмонии, такие как кашель, одышка, жар и озноб.

Болезнь может быть легкой, известной как ходячая пневмония, или серьезной, если симптомы тяжелые, и может потребовать госпитализации, сказал Дзюра. Бактериальная пневмония - самая распространенная форма заболевания, а также наиболее серьезный тип.

При пневмонии альвеолы ​​или воздушные мешочки в одном или обоих легких воспаляются и наполняются жидкостью. Это затрудняет попадание кислорода в кровоток. (Когда инфицированы оба легких, это называется двойной пневмонией.)

По данным Центров по контролю и профилактике заболеваний (CDC), более 250 000 человек ежегодно обращаются за помощью в больницу по поводу пневмонии, и около 50 000 американцев умирают от нее ежегодно.

Что вызывает пневмонию?

Пневмония может быть вызвана бактериями , вирусами и грибами . Однако бактерии являются наиболее частой причиной пневмонии у взрослых, и наиболее частым виновником является Streptococcus pneumoniae .Пневмония при ходьбе обычно вызывается бактерией под названием Mycoplasma pneumoniae .

Вирусы, такие как вирус гриппа (гриппа) и риновирус, также могут вызывать пневмонию. . Другие вирусные причины включают респираторно-синцитиальный вирус (RSV), который является частой причиной пневмонии у младенцев и детей раннего возраста, а также метапневмовирус человека, согласно Национальному институту сердца, легких и крови .

Одним из примеров грибковой причины пневмонии является Pneumocystis jirovecii , вызывающая серьезную опасную для жизни инфекцию, обычно обнаруживаемую у людей со слабой иммунной системой , таких как люди с ВИЧ и СПИДом .(Ранее это заболевание называлось Pneumocystis carinii, пневмония.)

Пневмония может возникать в любое время года, но больше случаев, как правило, случается зимой, когда начинается сезон гриппа, сказал Дзюра. По ее словам, грипп может вызвать вирусную пневмонию и ослабить иммунную защиту, что увеличивает риск развития вторичной бактериальной пневмонии.

Люди любого возраста могут заболеть пневмонией, но наиболее подвержены риску легочной инфекции дети в возрасте до 5 лет, взрослые 65 лет и старше, курильщики сигарет и люди с другими проблемами со здоровьем или слабой иммунной системой, например, хронические проблемы с легкими, сердцем отказ, сахарный диабет и инсульт.

Вирусные и бактериальные формы пневмонии обычно могут распространяться, когда инфицированный человек кашляет или чихает, в результате чего в воздух выделяются капли, содержащие бактерии или вирусы, которыми другие люди могут дышать или касаться загрязненных поверхностей. Большинство людей, которые проводят короткое время с инфицированным человеком, не заболеют, но есть некоторые бактериальные типы пневмонии, которые могут быстро распространяться среди людей, которые живут или работают в многолюдных местах, таких как общежития колледжей, военные казармы или медперсонал. дома.

Симптомы пневмонии

Симптомы пневмонии могут варьироваться от легких до опасных для жизни. По словам Дзюры, человек с пневмонией при ходьбе может чувствовать слабость и утомляемость и иметь слабый кашель, но все же может ходить на работу или в школу. Более серьезная инфекция вызывает опасно высокую температуру, одышку, посинение губ из-за недостатка кислорода в крови и спутанность сознания.

При некоторых формах пневмонии человек может откашливать зеленоватую или желтую слизь или, возможно, кровянистую слизь (но пневмония не всегда вызывает откашливание слизи).Согласно Американской ассоциации легких , симптомы пневмонии могут включать:

  • Кашель
  • Лихорадка
  • Боль в груди или животе
  • Одышка
  • Озноб
  • Потеря аппетита
  • Отсутствие энергии и усталости
  • Путаница, особенно у пожилых людей
  • Головная боль

Врач может выслушать легкие пациента, чтобы найти потрескивающий звук, издаваемый при дыхании, что указывает на инфекцию.(Изображение предоставлено: Shutterstock)

Диагностика и лечение

Пневмония - очень распространенное заболевание, но иногда ее сложно диагностировать, поскольку симптомы часто похожи на простуду. По словам Дзиуры, для диагностики пневмонии врач будет использовать стетоскоп, чтобы прислушиваться к потрескивающему звуку в легких, когда пациент вдыхает. Рентген грудной клетки может показать степень воспаления в легких.

Пациентов также могут попросить сдать образец мокроты (смесь слюны и слизи), который будет исследован для определения штамма бактерий, вызывающих пневмонию, что помогает врачам подбирать лечение антибиотиками, сказал Дзюра.

По крайней мере в 50% случаев невозможно идентифицировать конкретные бактерии, вызывающие пневмонию, - сказал Дзюра. Итак, назначенный антибиотик основан на наиболее распространенных бактериальных причинах пневмонии.

Люди с бактериальной пневмонией обычно начинают чувствовать себя лучше в течение 48 часов после приема антибиотиков, но курс антибиотиков обычно длится от пяти до 10 дней, сказал Дзюра. Однако кашель, вызванный пневмонией, может сохраняться до трех месяцев после окончания лечения из-за остаточного воспаления в легких, которое проходит дольше, сказала она.

Антибиотики не помогут при вирусной пневмонии. Его симптомы, такие как жар и кашель, купируются с помощью покоя, аспирина, лекарств от кашля и большого количества жидкости. Специалисты также рекомендуют использовать увлажнитель воздуха, чтобы воздух оставался влажным, что помогает удалить излишки мокроты в легких и носовых пазухах.

Для некоторых пожилых людей и людей с хроническими заболеваниями легких или слабой иммунной системой пневмония может быстро стать опасной для жизни. В результате инфекции у людей могут возникать серьезные осложнения, например проблемы с дыханием достаточного количества кислорода; скопление жидкости вокруг легких; или сепсис, состояние, при котором в организме возникает неконтролируемое воспаление, которое может привести к широко распространенной органной недостаточности.

Способы избежать пневмонии

Один из ключей к предотвращению распространения пневмонии - это избегать тесного контакта с людьми, которые, как известно, инфицированы простудой и гриппом, сказал Дзюра. К другим способам предотвращения болезни относятся:

  • Прививка : Ежегодная прививка от гриппа может помочь предотвратить грипп, а также является хорошей защитой от пневмонии. Также существует вакцина для предотвращения пневмококковой пневмонии, наиболее распространенной формы бактериальной пневмонии.Эта вакцина рекомендуется детям младше 2 лет, а также взрослым от 65 лет и старше. Укол также рекомендуется детям и взрослым из группы повышенного риска пневмонии из-за других заболеваний или ослабленной иммунной системы.
  • Поддержание чистоты рук и поверхностей : Часто мойте руки - после посещения туалета, сморкания, смены подгузника, приготовления пищи или перед едой. Дезинфицируйте поверхности, к которым часто прикасаетесь, например, смесители, дверные ручки, телефоны, игрушки и выключатели света.
  • Бросить курить . Курильщики сигарет подвергаются повышенному риску пневмонии, потому что табак ухудшает способность легких бороться с инфекциями. Вот почему курильщикам рекомендуется делать пневмококковую вакцину.
  • Поддержание сильной иммунной системы. Здоровое питание, а также регулярные упражнения и достаточный сон могут защитить от болезней.

Дополнительные ресурсы:

.

Пневмония | патология | Британника

Пневмония , воспаление и уплотнение легочной ткани в результате инфекции, вдыхания инородных частиц или облучения. Многие организмы, включая вирусы и грибки, могут вызывать пневмонию, но наиболее частыми причинами являются бактерии, в частности виды Streptococcus и Mycoplasma . Хотя вирусная пневмония действительно возникает, вирусы чаще играют роль в ослаблении легких, вызывая вторичную пневмонию, вызванную бактериями.Грибковая пневмония может развиваться очень быстро и может быть смертельной, но обычно она возникает у госпитализированных лиц, у которых из-за ослабленного иммунитета снижена сопротивляемость инфекции. Загрязненная пыль при вдыхании ранее здоровых людей может иногда вызывать грибковые заболевания легких. Пневмония также может возникать в результате гиперчувствительности или аллергической реакции на такие агенты, как плесень, увлажнители и экскременты животных, либо в результате химического или физического повреждения (например, вдыхания дыма).

Британская викторина

Болезни, расстройства и многое другое: медицинская викторина

Что из этих не является формой дальтонизма?

Бактериальная пневмония

Стрептококковая пневмония, вызываемая Streptococcus pneumoniae , является наиболее частой формой пневмонии, особенно у госпитализированных пациентов.Бактерии могут жить в организме здоровых людей и вызывать заболевание только после того, как резистентность снижается из-за другой болезни или инфекции. Вирусные инфекции, такие как простуда, способствуют развитию стрептококковой пневмонии, вызывая чрезмерную секрецию жидкости в дыхательных путях. Эти жидкости создают среду, в которой процветают бактерии. Пациенты с бактериальной пневмонией обычно испытывают внезапное начало высокой температуры с ознобом, кашлем, болью в груди и затруднением дыхания. По мере прогрессирования болезни основным симптомом становится кашель.В мокроте могут быть капли крови. Любые боли в груди возникают из-за болезненности трахеи (дыхательного горла) и мышц из-за сильного кашля. Диагноз обычно можно установить, взяв посев на микроорганизмы из мокроты пациента и с помощью рентгенологического исследования грудной клетки. Лечение проводится специальными антибиотиками и поддерживающей терапией, а выздоровление обычно наступает через несколько недель. Однако в некоторых случаях болезнь может стать очень тяжелой, а иногда и смертельной, особенно у пожилых людей и маленьких детей.Смерть от стрептококковой пневмонии вызывается воспалением и значительным и обширным кровотечением в легких, которое в конечном итоге приводит к прекращению дыхания. Стрептококковые бактерии выделяют токсин под названием пневмолизин, который повреждает кровеносные сосуды в легких, вызывая кровотечение в воздушные пространства. Антибиотики могут усугубить повреждение легких, поскольку они предназначены для уничтожения бактерий, открывая их, что приводит к дальнейшему высвобождению пневмолизина. Исследования по разработке аэрозольных агентов, которые стимулируют свертывание крови, которые можно вдыхать в легкие и, возможно, использовать в сочетании с традиционными методами лечения стрептококковой пневмонии, продолжаются.

Микоплазменная пневмония, вызываемая Mycoplasma pneumoniae , очень маленьким организмом, обычно поражает детей и молодых людей; зарегистрировано несколько случаев старше 50 лет. Большинство вспышек этого заболевания ограничиваются семьями, небольшими районами или учреждениями, хотя могут возникать эпидемии. M. pneumoniae растет на слизистой оболочке, выстилающей поверхность внутренних структур легких; он не проникает в более глубокие ткани - мышечные волокна, эластичные волокна или нервы.Бактерии могут продуцировать окислитель, который может быть причиной некоторых повреждений клеток. Обычно организм не проникает в мембрану, окружающую легкие, но иногда вызывает воспаление бронхов и альвеол.

Другая бактерия, Klebsiella pneumoniae , хотя и не обладает способностью инфицировать легкие здоровых людей, вызывает смертельную пневмонию, которая возникает почти исключительно у госпитализированных пациентов с ослабленным иммунитетом. Другие бактериальные пневмонии включают болезнь легионеров, вызываемую Legionella pneumophilia ; пневмония, вторичная по отношению к другим заболеваниям, вызываемым Staphylococcus aureus и Hemophilus influenzae ; и орнитоз, атипичная инфекционная форма.

Получите эксклюзивный доступ к контенту из нашего 1768 First Edition с подпиской. Подпишитесь сегодня

Вирусная пневмония

Вирусные пневмонии вызываются в первую очередь респираторно-синцитиальными вирусами, вирусами парагриппа и гриппа. Симптомы этих пневмоний включают насморк, снижение аппетита и субфебрильную температуру, за которыми обычно следуют дыхательная недостаточность и кашель. Диагноз устанавливается на основании медицинского осмотра и рентгенологического исследования грудной клетки. Небактериальная пневмония лечится в основном с поддерживающей терапией.В целом прогноз отличный.

Грибковая пневмония

Туберкулез всегда следует рассматривать как возможность у любого пациента с пневмонией, а кожные пробы включены в первоначальное обследование пациентов с проблемами легких. Также следует учитывать грибковые инфекции, такие как кокцидиоидомикоз и гистоплазмоз, особенно если пациент недавно подвергался раскопкам, бассейнам на заднем дворе, старым сараям или сараям или пыльным бурям. Другие грибковые и простейшие паразиты (например, Pneumocystis carinii ) часто встречаются у пациентов, получающих иммунодепрессанты, или у пациентов с раком, СПИДом или другими хроническими заболеваниями. Pneumocystis carinii пневмония была одной из основных причин смерти больных СПИДом.

Гиперчувствительная пневмония

Гиперчувствительные пневмонии - это спектр заболеваний, возникающих в результате аллергической реакции на вдыхание различных органических веществ. Эти пневмонии могут возникать при контакте с заплесневелым сеном или сахарным тростником, увлажнителями воздуха в помещении и воздуховодами для кондиционирования воздуха, которые содержат гриб Actinomyces . Другие грибы, обнаруженные в ячмене, кленовых бревнах и древесной массе, могут вызывать аналогичные заболевания.Кроме того, у людей, контактировавших с крысами, песчанками, голубями, попугаями и голубями, могут развиваться проявления гиперчувствительной пневмонии. Первоначально эти пациенты испытывают лихорадку с ознобом, кашлем, одышкой, головной болью, мышечной болью и недомоганием, которые могут пройти через день, если не будет дальнейшего воздействия. Более коварная форма гиперчувствительной пневмонии связана с постоянным недомоганием, лихорадкой, потерей веса и кашлем. Диагноз устанавливается на основании истории болезни, физического осмотра и конкретных лабораторных тестов.Лечение заключается в удалении пациента из окружающей среды, постельном режиме и поддерживающей терапии.

Прочие причины

Пневмония также может возникнуть в результате вдыхания капель масла. Этот тип заболевания, известный как липоидная пневмония, чаще всего возникает у рабочих, подвергающихся воздействию больших количеств масляного тумана, и у пожилых людей. Проглоченное масло может попасть в дыхательные пути или, что реже, оно может поступать из самого тела при физическом повреждении легких.В результате присутствия масла образуется рубцовая ткань. Обычно никакого лечения не требуется.

Воспаление тканей легких может возникнуть в результате лучевой терапии опухолей грудной клетки. Заболевание проявляется через 1–16 недель после прекращения воздействия высоких доз рентгеновского излучения. (Уровень радиации при обычном рентгенологическом исследовании грудной клетки слишком низок, чтобы вызвать значительное повреждение живой ткани.) Восстановление происходит обычно, если только не задействован слишком большой участок легочной ткани.

Последняя редакция и обновление этой статьи выполняла Кара Роджерс, старший редактор.

Узнайте больше в этих связанных статьях Britannica:

,

Выявление пациентов с пневмонией из отчетов отделений интенсивной терапии с произвольным текстом

Транскрипция

1 Выявление пациентов с пневмонией из отчетов отделений интенсивной терапии с произвольным текстом Мелиха Йетисген-Йилдиз 1,3 Брэд Дж. Главан 2 Фей Ся 3,1 Люси Вандервенде 4,1 Марк М. Вурфель 2 Биомедицинская и медицинская информатика 1, Легочная и реанимационная медицина 2, Вашингтонский университет, Сиэтл, Вашингтон 98195, Лингвистика США 3, Вашингтонский университет, Сиэтл, Вашингтон 98195, США Microsoft Research 4, Редмонд, Вашингтон 98052, США Резюме Клинические исследования, изучающие фенотипы критических заболеваний, основываются на идентификации определенных клинических синдромов. по консенсусным определениям.Пневмония - яркий тому пример. Исторически выявление пневмонии требовало ручного просмотра диаграммы, что требовало времени и ресурсов. Общая исследовательская цель нашей работы - разработать автоматизированные подходы, которые точно определяют фенотипы критических заболеваний. В этой статье мы описываем наш подход к идентификации пневмонии по электронным медицинским картам, представляем наши предварительные результаты и описываем будущие шаги. 1. Введение. Выявление сложных клинических фенотипов среди пациентов в критическом состоянии является серьезной проблемой в клинических исследованиях.Несмотря на то, что существуют большие наборы административных данных о пациентах отделения интенсивной терапии (ОИТ), им не хватает детальных данных, необходимых для точного определения сложных фенотипов и определения относительного времени событий в течение критического заболевания. С введением всеобъемлющих электронных медицинских карт (EMR) все аспекты оказания помощи в отделении интенсивной терапии теперь можно фиксировать как в структурированном, так и в текстовом формате. Наличие таких данных дает возможность идентифицировать критические фенотипы болезни и облегчить клинические и трансляционные исследования больших групп пациентов в критическом состоянии, что было бы невозможно при использовании традиционных методов скрининга / ручного извлечения диаграмм.Наша основная цель исследования - создать автоматизированные инструменты для выявления фенотипов критических заболеваний и моделирования их прогрессирования на основе данных интенсивной терапии. Для этого мы выбрали пневмонию в качестве первого фенотипа критического заболевания и провели предварительные эксперименты, чтобы изучить проблемное пространство. В современных подходах для выявления случаев пневмонии используется извлечение из диаграммы вручную или сбор данных у постели больного. Это трудоемкий процесс, требующий множества субъективных оценок. В этой статье мы сосредоточимся на выявлении пневмонии на основе информации, доступной в различных типах отчетов, созданных во время пребывания пациента в отделении интенсивной терапии.2. Связанные работы. Несколько исследований продемонстрировали ценность обработки естественного языка (NLP) для различных приложений здравоохранения (Hripcsak et al., 1995; Demner-Fushman et al., 2009). Одно из таких приложений - наблюдение за инфекционными заболеваниями. Эпиднадзор за пневмонией требует значительных ресурсов. В этой области различные исследователи широко изучают экстракцию различных типов пневмонии. В качестве одного из самых ранних примеров Fiszman et al. протестировали инструмент НЛП под названием SymText для выявления концепций, связанных с острой бактериальной пневмонией в отчетах о рентгенографии грудной клетки, и сравнили его эффективность с человеческой аннотацией (Fiszman et al., 1999). Их результаты показали, что работа SymText была аналогична работе врача. Та же исследовательская группа использовала концепции, идентифицированные с помощью SymText, как функции для автоматического определения отчетов о рентгенограммах грудной клетки, подтверждающих пневмонию (Chapman & Haug, 1999; Fizsman et al., 2000; Chapman et al., 2001; Aronsky et al., 2001). ). В своих экспериментах они сравнили эффективность классификации пневмонии двумя алгоритмами машинного обучения (деревья решений и байесовские сети) и двумя подходами на основе правил (простой поиск по ключевым словам и правила, созданные экспертами).Их результаты показали, что байесовские сети работают так же хорошо, как и системы, созданные экспертами, и ручные аннотации, выполняемые врачом и неспециалистом. Другая группа исследователей изучала возможность использования подходов НЛП для выявления пневмонии, связанной с оказанием медицинской помощи, у новорожденных на основе отчетов о рентгенографии грудной клетки (Mendonca et al., 2005; Haas et al., 2005). Их подход к NLP включает два компонента: систему MedLEE NLP и правила, которые обращаются к выходным данным MedLEE. Правила были вручную составлены медицинским экспертом для выявления отчетов о рентгеновском исследовании грудной клетки, указывающих на наличие пневмонии.Элькин и др. также применяли подходы НЛП для выявления случаев пневмонии в радиологических отчетах с произвольным текстом (Elkin et al., 2008). Их система закодировала радиологические отчеты

2 с помощью SNOMED CT Ontology и впоследствии применила набор созданных вручную правил к аннотациям SNOMED CT для идентификации радиологических результатов и диагнозов, связанных с пневмонией. Вышеупомянутые исследования были сосредоточены в первую очередь на выявлении случаев пневмонии по отчетам рентгенолога грудной клетки.В то время как радиологические изменения в легких являются необходимым условием для диагностики пневмонии, существуют данные в других областях, таких как описание заболевания, физиологические показатели и лабораторные отклонения, которые могут значительно повысить точность и глубину идентификации случаев пневмонии (Lutfiyya et al. al., 2006; Mandell et al., 2007). Поскольку рентгенологические аномалии грудной клетки составляют только часть определения пневмонии, любая система, направленная на идентификацию пневмонии, которая включает только информацию рентгеновского снимка грудной клетки, приведет к значительной фенотипической ошибочной классификации.Таким образом, остается неудовлетворенной потребность в точном определении клинических компонентов фенотипа пневмонии. Ежедневные записи врача - потенциально богатый источник клинической информации, указывающий на наличие таких фенотипов, как пневмония. В отличие от узкого объема информации, предоставляемой радиологическими отчетами, ежедневные заметки врача включают текст с подробным описанием пациента, физиологические данные, визуальные и лабораторные данные и, наконец, интерпретацию этих данных врачом. Мы выдвинули гипотезу, что, используя записи врача, такие как записи о поступлении, записи о ходе работы в отделении интенсивной терапии и сводки выписок, автоматизированные подходы, включающие НЛП и машинное обучение, могут точно идентифицировать пневмонию в условиях интенсивной терапии.3. Методы Общая архитектура нашего подхода к обработке текста для извлечения пневмонии может быть найдена на рисунке 1. В следующих разделах мы подробно объясним основные этапы подхода к обработке текста. 3.1 Набор данных Набор данных состоял из 426 пациентов. Аннотации, использованные в этом исследовании, были созданы для другого продолжающегося исследования субъектов интенсивной терапии, которое было описано ранее (Glavan et al., 2011). Комментатор с 6-летним опытом работы медсестрой по исследованию вручную классифицировал пациента как положительный, если у пациента была пневмония в течение первых 48 часов после поступления в ОИТ, и как отрицательный, если у пациента не было пневмонии или пневмония была обнаружена после первых 48 часов. часов приема в ОИТ (66 случаев положительны на пневмонию и 360 случаев отрицательны на пневмонию).Аннотации предназначались для каждого пациента, и у аннотатора был доступ к тому же набору текстовых отчетов, которые использовались для наших исследований НЛП. Однако аннотатор не выполнял аннотации на уровне предложений или отчетов для этого предоставленного корпуса. Поскольку в этом наборе данных аннотация, относящаяся к наличию или отсутствию пневмонии, была ограничена периодом в пределах 48 часов с момента поступления в ОИТ, а большинство пациентов были помещены в ОИТ в течение 24 часов (см. Рисунок 2), мы нацелены на определить пневмонию, возникшую в течение 72 часов после госпитализации 1.Рисунок 1. Общая системная архитектура классификатора пневмонии. Пневмония определяется как инфекция нижних дыхательных путей, которая связана с симптомами острой инфекции с новым инфильтратом на рентгенограмме грудной клетки. В таблице 1 представлена ​​сводка характеристик пневмонии. Таблица 1. Характеристики бактерий пневмонии: - H. influenza - Стрептококковая пневмония - Staph aureus - Виды Legionella - Виды Chlamydia - Pseudomonas aeruginosa Вирусы: - Грипп - Грибки парагриппа: - Бластомикоз - Кокцидиомикоз - Гистоплазмоз КЛИНИЧЕСКИЕ СИСТЕМЫ ПРОИЗВОДСТВА Одышка Боль в груди Недомогание, усталость Ненормальное количество лейкоцитов Боли в мышцах ФАКТОРЫ РИСКА Возраст> 65 лет, иммуносупрессия, недавнее употребление антибиотиков Коморбидные заболевания: ВИЧ, астма, ХОБЛ, почечная недостаточность, хроническая сердечная недостаточность, диабет, заболевания печени, рак, инсульт 1 для время поступления в ICU этого набора данных недоступно.

3 Пневмонию можно дополнительно классифицировать в зависимости от контекста, в котором она возникает. Внебольничная пневмония (ВП) относится к пневмонии, которая возникает за пределами стационара, тогда как внутрибольничная пневмония (ВП) относится к пневмонии, которая возникает после поступления в больницу. Поскольку субъекты в этом наборе данных поступали в отделение интенсивной терапии из отделения неотложной помощи, а также из других больниц, случаи пневмонии включали как ВП, так и ВП.Наш набор данных включает в общей сложности 5313 отчетов из восьми типов отчетов (заметка о приеме, ежедневная заметка о ходе работы в отделении интенсивной терапии, ежедневная заметка о ходе оказания неотложной помощи, заметка о переводе / переходе, сводка о переводе, ежедневная заметка о кардиологическом состоянии и сводка о выписке) для 426 пациентов. Общее количество сообщений на человека варьировалось в широких пределах (медиана = 8, межквартильный размах = 5-13, минимум = 1, максимум = 198). Это связано с большой разницей в продолжительности пребывания в отделении интенсивной терапии. Распределение между восемью различными типами отчетов представлено в таблице 2.В первом столбце таблицы указано количество отчетов для каждого типа отчета, а во втором столбце указано количество отдельных пациентов, для которых в наборе данных был указан этот тип отчета. Как видно из таблицы, не у всех пациентов есть все типы отчетов. Например, только 280 (65% = 280/426) пациентов имели записи о поступлении; остальные 146 пациентов были переведены в отделение интенсивной терапии из других медицинских отделений и поэтому не имели госпитализации. Было 350 (82% = 350/426) пациентов с выписками.Следует отметить, что только подгруппа из 236 пациентов имела и записи при поступлении, и выписки (55% = 236/426). Таблица 2. Статистика отчета. Число отчетов: частота типов отчетов. Число пациентов: количество отдельных пациентов, которым был предоставлен данный тип отчета. ТИП ОТЧЕТА ОТЧЕТ КОЛИЧЕСТВО ПАЦИЕНТОВ ДОПУСТИМЫЕ ЗАПИСИ ICU ЕЖЕДНЕВНАЯ ЗАПИСКА О ПРОГРЕССЕ ОСТРАЯ ПОМОЩЬ ЕЖЕДНЕВНАЯ ЗАПИСКА О ПРОГРЕССЕ ПРОМЕЖУТОЧНАЯ ОБЗОРНАЯ ИНФОРМАЦИЯ О ПЕРЕНОСЕ / ПЕРЕХОД ЗАПИСКА ПЕРЕДАЧА КАРДИОЛОГИЯ ЕЖЕДНЕВНАЯ ЗАПИСКА О ВЫПОЛНЕНИИ РЕЗЮМЕ Распределение основных типов заметок по дням после поступления показано на рисунке 2.Эти гистограммы демонстрируют, что более 75% записей о поступлении, собранных в этом корпусе, относятся к моменту первой госпитализации. Кроме того, в течение первых 96 часов приема постоянно были представлены записи о прогрессе в отделении интенсивной терапии. Эти данные показывают, что записи о поступлении будут в значительной степени свидетельствовать о догоспитальном и раннем пребывании в больнице, в то время как заметки о ходе работы в отделении интенсивной терапии будут преобладающим ежедневным текстовым источником после дня поступления. Записки о выписке в основном возникали через 96 часов после поступления (не показано).Рисунок 2. Распределение типов отчетов за первые 96 часов посещения больницы. 3.2. Представление пациентов. Представление информации, доступной в отчетах с произвольным текстом, является наиболее важным шагом в идентификации пациентов с пневмонией. В нашем представлении мы создали один вектор признаков для каждого пациента. Было два измерения для экспериментов: (1) поиск наилучшей комбинации отчетов, которые должны быть включены при создании векторов признаков, и (2) тестирование различных подходов к текстовому представлению для достижения наилучшей производительности классификации КОМБИНАЦИЯ ОТЧЕТОВ Как отмечалось выше, наличие / отсутствие пневмония вручную аннотировалась на уровне пациента, без определения того, какой отчет (-ы) способствовал определению фенотипа.Чтобы понять, как содержимое различных типов отчетов способствует автоматическому принятию решений, мы протестировали различные комбинации типов отчетов. Поскольку аннотации к пневмонии в этом наборе данных соответствуют пневмонии, присутствующей в течение первых 48 часов после поступления в реанимацию, мы ожидаем, что примечания о приеме будут особенно информативными. Ожидается, что отчеты о выписках будут информативными, поскольку они содержат синтез многочисленных диагностических исследований и оценок, проведенных на протяжении всего курса лечения в больнице; тем не менее, они могут привести к ложноположительным результатам из-за пневмонии, которая возникла позже в ходе госпитализации.Были протестированы следующие комбинации: 1. Only Admit Note: Вектор пациента был создан только из содержания допущенных записей пациента. 2. Только сводка выписки. Вектор пациента был создан только из содержимого сводки выписки. 3. Только запись о поступлении и сводка о выписке. Вектор пациента был создан на основе содержимого справки о поступлении и выписки. Признаки из допуска были отделены от характеристик из

4 выписок с метками, указывающими их источник.Характеристики, извлеченные из заметок о допуске и резюме выписки, имели форматы меток AdmitNote_ $ featureType_ $ featureName и DischargeSummary_ $ featureType $ featureName. 4. Объединение всех отчетов: Вектор пациентов был создан из всех типов отчетов, перечисленных в таблице 2, которые были объединены в один документ. Все функции в векторе пациента имели одинаковый формат меток MergedNotes_ $ featureType_ $ featureName. Другой важной характеристикой нашего набора данных является наличие отметки времени при создании каждого типа отчета, а также отметки времени для госпитализации и выписки.У большинства пациентов были ежедневные заметки о прогрессе в отделении интенсивной терапии и ежедневные заметки о ходе оказания неотложной помощи. Кроме того, в записях о переводе и стационарных записях из других отделений (например, в отчетах о кардиологических стационарах) описывается состояние пациента на момент создания отчета. Вычислив разницу между отметками времени поступления пациента в больницу и отметками времени создания отчетов, мы вычислили относительное время, в течение которого каждый отчет был создан во время пребывания пациента в ОИТ (например, день 1, день 2), и определили следующие три альтернативные комбинации отчетов.5. Уведомление о приеме, сводка о выписке и разделение на другие дни: в этой настройке у нас есть много отдельных категорий отчетов, примечания о приеме, выписки и сбор отчетов за каждый конкретный день пребывания в отделении интенсивной терапии. Функции были помечены как AdmitNote_ $ featureType_ $ featureName, DischargeSummary_ $ featureType $ featureName и OtherNotes_ $ day_ $ featureType_ $ featureName. 6. Записка о поступлении, Сводка о выписке и другие в течение первых 72 часов после поступления в больницу: в этой настройке у нас есть 3 категории отчетов: заметка о поступлении, выписка и сбор отчетов, отметка времени которых находится в пределах первых 72 часов пребывания в больнице. прием.Эти временные рамки согласуются с нашими аннотациями, указывающими на наличие пневмонии в течение первых 48 часов пребывания в отделении интенсивной терапии, учитывая, что большинство пациентов были помещены в отделение интенсивной терапии в течение 24 часов после поступления в больницу. Функции были помечены как AdmitNote_ $ featureType_ $ featureName, DischargeSummary_ $ featureType $ featureName и OtherNotesPRE72_ $ featureType_ $ featureName. 7. Уведомление о допуске, Сводка о выписке, Другие в течение первых 72 часов и Прочие публикации за 72 часа: в этой настройке у нас есть 4 категории отчетов, примечание о допуске, выписка при выписке, коллекция отчетов, отметка времени которых относится к первым 72 часам. поступления, а также сбор отчетов о последующем пребывании в стационаре.Функции были помечены как AdmitNote_ $ featureType_ $ featureName, DischargeSummary_ $ featureType $ featureName, OtherNotesPRE72_ $ featureType_ $ featureName и OtherNotesPOST72_ $ featureType_ $ featureName ПРЕДСТАВЛЕНИЕ КОНТЕНТА Представление контента оказывает прямое влияние на общие типы характеристик классификации, и мы использовали представление. ОСОБЕННОСТИ БАЗОВОЙ ИНФОРМАЦИИ Исследования по поиску информации показывают, что слова (униграммы) хорошо работают в качестве единиц представления для поиска документов (Lewis, 1992).Мы использовали юниграммы в качестве основы для наших экспериментов. Мы использовали список распространенных английских стоп-слов 2, чтобы отфильтровать стоп-слова из униграмм. ФУНКЦИИ N-ГРАММЫ Мы использовали функции биграммы и триграммы слов, чтобы уловить интересные особенности, состоящие из нескольких слов. ОСНОВНЫЕ ФУНКЦИИ, ОСНОВАННЫЕ НА ЗНАНИЯХ. Представление контента с использованием словесного подхода имеет две проблемы. Во-первых, очень высок процент словосочетаний, состоящих из нескольких слов, таких как внебольничная пневмония, в медицинском словаре. Такое большое количество фраз представляет собой проблему для классификации.Например, значение внебольничной пневмонии сильно отличается от значения только внебольничной пневмонии. Во-вторых, синонимия - очень распространенная характеристика медицинских фраз. Например, врачи используют печень и печень как синонимы даже в одних и тех же отчетах. Если не сгруппированы явным образом, синонимичные слова или фразы представлены как разные функции в векторе признаков, что имеет два основных недостатка. Первый недостаток заключается в том, что увеличение размерности пространства признаков, как известно, отрицательно сказывается на эффективности классификации.Второй недостаток состоит в том, что информация теряется из-за разделения функций. Вместо того, чтобы иметь более сильную функцию, представление имеет несколько относительно более слабых функций, которые являются синонимами друг друга. Чтобы идентифицировать биомедицинские фразы, наша система использует инструмент НЛП, основанный на знаниях, для обработки каждого предложения отчета и определения конкретных терминов предметной области. В биомедицинской области уже есть большая общедоступная база знаний, называемая Unified Medical Language System (UMLS) 3. В последней версии UMLS их более двух.3 миллиона биомедицинских концепций, а также более 8,5 миллионов названий концепций. Чтобы идентифицировать биомедицинские фразы, мы использовали MetaMap, инструмент, созданный NLM, который сопоставляет строки в произвольном тексте с биомедицинскими концепциями в UMLS 4. MetaMap использует UMLS, чтобы найти наиболее близкое соответствие из известных концепций каждой идентифицированной фразе в свободном тексте. Наша система отправляет каждое предложение в MetaMap и использует концептуальный уникальный идентификатор (CUI) идентифицированных концепций UMLS для группировки синонимичных двух английских стоп-слов: ftp: // ftp.cs.cornell.edu/pub/smart/english.stop 3 Информационный бюллетень UMLS: 4 Metamap (MMTx):

5 концепций. Мы использовали идентифицированные CUI как двоичные функции в нашем представлении. Другим источником знаний, доступным в UMLS, является семантическая сеть, которая представляет собой ориентированный граф, состоящий из 135 категорий, называемых семантическими типами, и 49 различных отношений, определенных между семантическими типами. Каждое медицинское понятие в UMLS сопоставляется по крайней мере с одним семантическим типом. Например, в медицинском понятии «пневмония» имеется заболевание или синдром семантического типа, а в понятии «магний» есть два семантических типа: биологически активное вещество и элемент, ион или изотоп.Мы использовали семантические типы извлеченных понятий UMLS из медицинских карт для представления содержимого медицинских карт. 3.3 Классификатор пневмонии После представления содержимого доступных отчетов с базовыми данными, n-граммом и функциями, основанными на знаниях, мы обучили классификаторов идентифицировать пациентов с пневмонией в течение первых 48 часов пребывания в отделении интенсивной терапии. Для нашей задачи классификации мы выбрали алгоритм максимальной энтропии (MaxEnt) из-за его хорошей производительности в задачах классификации текста (Nigam et al., 1999). В наших экспериментах мы использовали реализацию MaxEnt в пакете машинного обучения под названием Mallet Results. В наших экспериментах мы использовали аннотации пневмонии на уровне пациента, описанные в разделе 3.1. как золотой стандарт для обучения классификаторов и проверки их работоспособности. 4.1. Показатели. Мы оценили эффективность классификации, используя показатели точности, отзыва, F1, специфичности (доля правильно идентифицированных негативов) и точности. Поскольку в нашем наборе данных было ограниченное количество положительных случаев, мы решили использовать 5-кратную перекрестную проверку для измерения общей эффективности классификации.4.2 Эффективность классификации Мы измерили эффективность классификации MaxEnt для различных типов комбинаций отчетов и типов функций, описанных в предыдущем разделе КОМБИНАЦИЯ ОТЧЕТОВ Чтобы понять влияние различных типов отчетов на эффективность классификации, мы сравнили различные комбинации отчетов, описанные в разделе 3.2. 1, используя только базовые характеристики униграммы. Таблица 3 включает значения производительности для случаев, когда векторы пациентов были сгенерированы (1) только из записей о приеме, (2) только из сводок выписки, (3) только из заметок о приеме и 5 Молоток: сводки выписок и (4) все отчеты объединены без различения типа отчета.Мы провели эти эксперименты для 236 пациентов, у которых были как записи о поступлении, так и выписки (44 случая положительны на пневмонию и 192 случая отрицательны на пневмонию). Мы представили содержание отчетов с базовыми функциями юниграммы. Как видно из Таблицы 3, эффективность классификатора, обученного только на допусках, выше, чем у классификатора, обученного только на выписке. Однако мы видим, что наивысшая производительность у классификатора, обученного для всех отчетов без различения типа отчета.В нашем втором сравнении мы исследовали эффект введения информации о временной метке отчета в представление функции. Мы провели этот эксперимент, используя всех 426 пациентов в нашем наборе данных. Мы сравнили (1) все отчеты, объединенные без различения типа отчета, (2) записку о приеме, сводку о выписке и другие, разделенные днями, (3) записку о приеме, сводку о выписке и другие в течение первых 72 часов после поступления в больницу, и (4) записка о допуске, выписка из выписки, другие в течение первых 72 часов и другие публикуют 72 часа.В таблице 4 приведены значения производительности. Как видно из таблицы, мы получаем самые низкие показатели F1 с (3) отметкой о приеме, сводкой о выписке и другими в течение первых 72 часов после поступления в больницу. Добавление отчетов за 72 часа (4) снижает точность, но увеличивает запоминаемость из-за увеличения количества ложных срабатываний, как и ожидалось. Включение всех отчетов, разделенных по дням (2), увеличивает точность и отзывчивость по сравнению с (3) и (4). Тем не менее, лучшие результаты производительности наблюдаются при объединении всех типов заметок (1) ПРЕДСТАВЛЕНИЕ СОДЕРЖАНИЯ Чтобы определить влияние различных типов функций, описанных в Разделе 3.2.2 мы провели различные эксперименты с разными комбинациями функций. Как видно из Таблицы 5, добавление биграмм (2) и триграмм (3) к униграммам (1) не влияет на точность, но снижает полноту. Хотя размер пространства признаков с концепциями UMLS намного меньше, чем у униграмм (таблица 6), концепции UMLS (4) и униграммы (1) работают одинаково как с точки зрения полноты, так и точности. Когда объединяются концепции UMLS и униграммы (6), существенного изменения производительности не происходит.Когда семантические типы добавляются к концепциям UMLS (5), отзыв остается прежним, но точность уменьшается. Наилучшая точность достигается, когда униграммы объединяются с концепциями UMLS (6), а наилучший отзыв достигается, когда объединяются униграммы, концепции UMLS и семантические типы (7). Таблица 7 включает 25 лучших ранжированных функций из различных типов функций и их комбинаций. Как видно из таблицы, многие признаки, идентифицированные классификатором, тесно связаны с известными причинами (например,грамм. грипп) и клинические признаки и симптомы (например, кашель, мокрота) пневмонии, перечисленные в таблице 1. Кроме того, лекарства, включая антибиотики, обычно используемые для лечения

6 Таблица 3. Оценка эффективности различных комбинаций отчетов на основе типа отчета с исходным уровнем функции uni-gram. Эксперименты проводились на 236 пациентах с записями о поступлении и выписке. TP: истинно положительный, TN: истинно отрицательный, FP: ложноположительный, FN: ложноотрицательный, PRE: точность, REC: отзыв, F1: F1-оценка, SPE: специфичность, ACC: точность.Полужирным шрифтом выделено наименьшее значение для FP и FN. Наибольшее значение для остальных столбцов выделено жирным шрифтом. КОМБИНАЦИЯ ОТЧЕТОВ TP TN FP FN PRE REC F1 SPE ACC (1) ДОПУСКАТЬ ТОЛЬКО ПРИМЕЧАНИЕ (2) ТОЛЬКО ЗАПИСЬ РАЗРЯДА (3) ТОЛЬКО ДОПУСК + РАЗРЯДКА (4) ВСЕ ТИПЫ ЗАПИСЕЙ ОБЪЕДИНЕНЫ Таблица 4. Оценка эффективности различных комбинаций отчетов на основе временных меток с базовыми функциями юниграммы. Эксперименты проведены на всех 426 пациентах. TP: истинно положительный, TN: истинно отрицательный, FP: ложноположительный, FN: ложноотрицательный, PRE: точность, REC: отзыв, F1: F1-оценка, SPE: специфичность, ACC: точность.Полужирным шрифтом выделено наименьшее значение для FP и FN. Наибольшее значение для остальных столбцов выделено жирным шрифтом. КОМБИНАЦИЯ ОТЧЕТОВ TP TN FP FN PRE REC F1 SPE ACC (1) ОБЪЕДИНЕНИЕ ВСЕХ ТИПОВ ЗАПИСЕЙ (2) ДОПУСК + ЗАПИСЬ РАЗРЯДА + ДРУГИЕ ДЕНЬ РАЗДЕЛЕННЫЕ (3) ДОПУСКА + ЗАПИСЬ РАЗРЯДА + ДРУГИЕ ПРЕДВАРИТЕЛЬНЫЕ 72 ЧАСА (4) ДОПУСК + ЗАПИСЬ РАЗРЯДА + ДРУГИЕ ДО 72 ЧАСА ДРУГИЕ ПОСЛЕ 72 ЧАСА Таблица 5. Оценка производительности различных комбинаций функций со всеми типами банкнот. Эксперименты проведены на всех 426 пациентах. TP: истинно положительный, TN: истинно отрицательный, FP: ложноположительный, FN: ложноотрицательный, PRE: точность, REC: отзыв, F1: F1 - оценка, SPE: специфичность, ACC: точность.Полужирным шрифтом выделено наименьшее значение для FP и FN. Наибольшее значение для остальных столбцов выделено жирным шрифтом. ПРЕДСТАВЛЕНИЕ СОДЕРЖАНИЯ TP TN FP FN PRE REC F1 SPE ACC (1) UNIGRAMS (2) UNI + BIGRAMS (3) UNI + BI + TRIGRAMS (4) UMLS CONCEPTS (5) UMLS CONCEPTS + SEMANTIC TYPES (6) UNI-GRAMS + UMLS КОНЦЕПЦИИ (7) UNI -ГРАММЫ + КОНЦЕПЦИИ UMLS + СЕМАНТИЧЕСКИЕ ТИПЫ (8) UNI + BI + ТРИГРАММЫ + КОНЦЕПЦИИ UMLS + СЕМАНТИЧЕСКИЕ ТИПЫ пневмония (например, левофлоксацин, ванкомицин) были включены в число наиболее прогностических признаков, идентифицированных классификатором.Интересно, что были также включены несколько характеристик, связанных с изменением уровня бдительности (например, аноксия, энцефалопатия и AMS [сокращение от измененного психического статуса]). Хотя эти термины не имеют прямого отношения к диагностическим критериям пневмонии, они вполне могут указывать на скрытые факторы риска пневмонии, связанные с пониженным уровнем сознания и сниженной способностью защищать дыхательные пути от заражения из верхних дыхательных путей. Таблица 6. Размеры набора характеристик (все типы заметок объединены) для 426 пациентов.ТИП ФУНКЦИИ № ОТЛИЧИТЕЛЬНЫХ ФУНКЦИЙ UNIGRAM BIGRAMS TRIGRAMS UMLS КОНЦЕПЦИИ UMLS СЕМАНТИЧЕСКИЕ ТИПЫ 125

7 4.3 Анализ ошибок Наша лучшая система достигла показателя F1 49,1% для набора данных с 426 пациентами. Хотя результат обнадеживает, есть еще много возможностей для улучшения. Два основных фактора способствуют ошибкам, допускаемым нашей нынешней системой: ограничения набора данных и дизайн системы. У нашего текущего набора данных есть несколько важных ограничений.Во-первых, это не полный набор отчетов для всех пациентов (например, любые записи, сделанные до дня поступления в ОИТ, не были записаны). В нашем наборе данных 146 (35% = 146/426) пациентов не имели записей о поступлении, 76 (18% = 76/426) пациентов не имели выписок из выписки, а 77 (18% = 77/426) пациентов не имели любые отчеты, созданные в первые 24 часа пребывания в больнице. Во-вторых, аннотация пневмонии в этом наборе данных была создана для другой цели, где аннотатора (медицинского эксперта) попросили определить, есть ли у пациента пневмония в течение 48 часов после поступления в отделение интенсивной терапии.Напротив, наша система использовала записи в течение 72 часов после поступления в больницу в качестве прокси для этого периода. Следовательно, существует потенциальное несоответствие между аннотацией и нашей задачей для меньшинства случаев, в которых разрыв между госпитализацией и поступлением в реанимацию был больше 24 часов. В-третьих, набор данных относительно невелик с ограниченным числом положительных случаев пневмонии. Другой источник системных ошибок связан с ограничениями нашей текущей системы, которая полагается на функции, доступные при неглубокой обработке текста.Обнаружение фенотипа, такого как пневмония, часто требует более глубокого понимания отчетов. Например, как показано в Таблице 7, слово unigram pneumonia (сокращенно PNA) или соответствующая ему концепция UMLS является сильным признаком, указывающим на то, что у пациента есть PNA. Но есть много контекстов, где наличие слова PNA не означает, что у пациента есть PNA в течение 48 часов после поступления в отделение интенсивной терапии. Некоторые примеры включают явное или неявное отрицание (результаты лабораторных исследований несовместимы с PNA; PNA исключены), прошлый анамнез (у него была PNA два года назад), семейный анамнез (у его отца было PNA), возможность (Пункты для действий: PNA или грипп ), Появление PNA в отчетах после 48-часового окна и т. Д.Таблица 7. 25 лучших функций для моделей MaxEnt с различными типами функций и комбинациями. RANK UNIGRAM UNI-BI-TRIGRAMS UMLS КОНЦЕПЦИИ UNI-BI-TRIGRAMS + UMLS CONCEPTS + СЕМАНТИЧЕСКИЕ ТИПЫ 1 пневмония пневмония (uni) C Пневмония C Лабораторная культура 2 мокроты мокрота (uni) C Лабораторная культура T074-Медицинское устройство 3 аспирационная аспирация (uni) C h2N1 C Пневмония 4 cx influenza (uni) C Рабдомиолиз T031 - Вещество тела 5 грипп продолжается (uni) C Грипп C Эндоваскулярный 6-дневный день (uni) C Требуется T184-Признак и симптом 7 продолжаются периректально (uni) C Мокрота C h2N1 8 периректальный кашель (uni) C Аспирационная пневмония T116-Аминокислота, пептид или белок 9 осельтамивир от кашля (uni) C Вероятный диагноз T083- Географическая зона 10 ddavp mg_po (bi) C Вакцинальная пневмония против вируса гриппа (uni) 11 лизиноприл лизиноприл (bi) C Трахеомаляция C стент 12 gpc aspiration_pneumonia (bi) C Гепарин T028 - Ген или геном 13 левофлоксацин метопролол (uni) C Положение лежа на спине продолжение (uni) 14 шунтирование (uni) C Азия T195-Антибиотик 15 метронидазол gpc (uni) C Пробуждение T055 - Индивидуальное поведение 16 нужна трубка (уни) C Пептидные нуклеиновые кислоты T197 - Неорганическое химическое вещество 17 - трубка для бескислородного питания (bi) C изменяющая T129 - Иммунологический фактор 18 перорально ddavp (uni) C lasix аспирация (uni) 19 требуется воды (uni) C - при необходимости T185-Classification 20 пор, требующих ванкомицина (uni). ) C Периректально C Мокрота 21 ams левофлоксацин (uni) C Острый T022-Система организма 22 метопролол шунт (uni) C Жидкости организма C Требуется 23 энцефалопатия, аноксическая (uni) C Терапевтическая процедура C Периректальная 24 энцефалопатия ванкомицина (uni) C Боль в животе C Тахипноэ 25 cmt по мере необходимости для (tri) C Острая Т114-нуклеиновая кислота, нуклеозид или нуклеотид

8 Еще одна проблема заключается в том, что иногда в отчетах интенсивной терапии упоминаются симптомы, связанные с ПНК, или результаты лабораторных исследований без явного указания того, что у пациента была ПНК, поэтому важно, чтобы наша система могла идентифицировать эти симптомы и результаты лабораторных исследований.Однако результаты лабораторных исследований и другие структурированные данные (например, температура, артериальное давление) часто не включаются в текстовый отчет интенсивной терапии. Хотя целью текущего исследования было изучение текстовых отчетов с использованием методов НЛП и машинного обучения, наша конечная цель - объединить эти заметки с информативными структурированными данными и радиологическими отчетами. Мы предполагаем, что этот комбинированный подход будет лучше, чем использование только текстовых отчетов или структурированных данных. 5. Заключение В этой статье мы описали подход к обработке текста для выявления случаев пневмонии на основе информации, доступной в восьми различных типах отчетов, созданных в отделении интенсивной терапии.Мы протестировали различные комбинации отчетов и типы функций, чтобы повысить производительность наших инструментов. В этой статье мы представили наши предварительные результаты. Хотя у нашего набора данных были значительные ограничения, результаты обнадеживают. Наш лучший классификатор на основе F1 дал точность 58,3%, отзывчивость 42,4%, F1 49,1%, специфичность 94,4% и точность 86,4%. В дальнейшей работе мы сосредоточимся на следующих областях. Сначала мы создадим новый набор данных с аннотациями фенотипа как на уровне пациента, так и на уровне отчета.Во-вторых, мы расширим существующую систему, включив в нее функции, созданные в результате более глубокой обработки отчетов с произвольным текстом, для обнаружения такой информации, как объем отрицания и результаты лабораторных испытаний. В-третьих, мы объединим НЛП-обработку радиологических отчетов и элементов структурированных данных (например, количество лейкоцитов, температуру), доступных в EMR, с информацией, извлеченной из отчетов в произвольном тексте, чтобы улучшить классификацию пневмонии. 6. Благодарности. Это исследование было частично поддержано P50 HL073996, RC2 HL101779 и Microsoft Research Connections.Ссылки Aronsky D, Fiszman M, Chapman WW, Haug PJ. Комбинирование методологий поддержки принятия решений для диагностики пневмонии. Proc AMIA Symp, стр., Chapman WW, Haug PJ. Сравнение экспертных систем для выявления отчетов о рентгеновских снимках грудной клетки, подтверждающих пневмонию. Proc AMIA Symp, стр., Чепмен В.В., Фисман М., Чапман Б.Е., Хауг П.Дж. Сравнение алгоритмов классификации для автоматического определения отчетов о рентгеновских снимках грудной клетки, подтверждающих пневмонию. Журнал биомедицинской информатики, 34: 4-14, Demner-Fushman D, Chapman WW, McDonald C.Что может сделать обработка естественного языка для поддержки принятия клинических решений? Журнал биомедицинской информатики; 42 (5):, Элкин П.Л., Фрёлинг Д., Ванер-Рёдлер Д., Труско Б., Валлийский Г., Ма Х., Асатрян А.Х., Токарс Д.И., Розенблум С.Т., Браун Ш. Выявление случаев пневмонии на основе НЛП по радиологическим отчетам с произвольным текстом. Proc AMIA Symp, стр., Fiszman M, Chapman WW, Evans SR, Haug PJ. Автоматическое определение концепций, связанных с пневмонией, в отчетах о рентгенографии грудной клетки. Proc AMIA Symp. pp, Fiszman M, Chapman WW, Aronsky D, Evans RS, Haug PJ.Автоматическое обнаружение острой бактериальной пневмонии по отчетам о рентгенографии грудной клетки. Журнал Американской ассоциации медицинской информатики, 7 (6):, Glavan BJ, Holden TD, Goss CH, et al. Генетическая изменчивость гена FAS и ассоциации с острым повреждением легких. Am. J. Respir. Крит. Care Med, 183 (3):, Haas JP, Mendonca EA, Ross B, Friedman C, Larson E. Использование компьютеризированного наблюдения для выявления нозокомиальной пневмонии у пациентов отделений интенсивной терапии новорожденных. Am J Infect Control, 33 (8):, Hripcsak G, Friedman C, Alderson PO, DuMouchel W., Johnson SB и Clayton PD.Получение клинических данных из описательных отчетов: исследование обработки естественного языка. Ann Intern Med, 122: p, Lewis DD. Оценка фразовых и кластерных представлений в задаче категоризации текста. Proc. 15-й ежегодной международной конференции ACM SIGIR по исследованиям и разработкам в области информационного поиска. pp Lutfiyya MN, Henley E, Chang LF, Reyburn SW. Диагностика и лечение внебольничной пневмонии. Am Fam Physician, 73 (3):, Mandell LA, Wunderink RG, Anzueto A, Bartlett JG, Campbell GD, Dean NC, Dowell SF, File TM Jr, Musher DM, Niederman MS, Torres A, Whitney CG.Общество инфекционных заболеваний Америки / Американское торакальное общество согласовали руководящие принципы ведения внебольничной пневмонии у взрослых. Clin Infect Dis., 44 Suppl 2: S27-72, Mendonca EA, Haas J, Shagina L., Larson E, Friedman C. Извлечение информации о пневмонии у младенцев с использованием обработки радиологических отчетов на естественном языке. Журнал биомедицинской информатики, 38 (4): 314: 321, Нигам К., Лафферти Дж., Маккаллум А. Использование максимальной энтропии для классификации текста. Proc. IJCAI-99 Workshop on Machine Learning for Information Filtering, pp, 1999.

.

Смотрите также