• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>other >Risk factor detection for heart disease by applying text analytics in electronic medical records
【2h】

Risk factor detection for heart disease by applying text analytics in electronic medical records

机译：通过在电子病历中应用文本分析来检测心脏病的危险因素

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In the United States, about 600,000 people die of heart disease every year. The annual cost of care services, medications, and lost productivity reportedly exceeds 108.9 billion dollars. Effective disease risk assessment is critical to prevention, care, and treatment planning. Recent advancements in text analytics have opened up new possibilities of using the rich information in electronic medical records (EMRs) to identify relevant risk factors. The 2014 i2b2/UTHealth Challenge brought together researchers and practitioners of clinical natural language processing (NLP) to tackle the identification of heart disease risk factors reported in EMRs. We participated in this track and developed an NLP system by leveraging existing tools and resources, both public and proprietary. Our system was a hybrid of several machine-learning and rule-based components. The system achieved an overall F1 score of 0.9185, with a recall of 0.9409 and a precision of 0.8972.
机译：在美国，每年约有60万人死于心脏病。据报道，护理服务，药物和生产力丧失的年成本超过1089亿美元。有效的疾病风险评估对于预防，护理和治疗计划至关重要。文本分析的最新进展为利用电子病历（EMR）中的丰富信息来识别相关风险因素开辟了新的可能性。 2014年i2b2 / UTHealth挑战赛将临床自然语言处理（NLP）的研究人员和从业人员召集在一起，以解决在EMR中报告的心脏病危险因素的识别问题。我们参与了此活动，并利用现有的公共和专有工具和资源开发了NLP系统。我们的系统是几种机器学习和基于规则的组件的混合体。系统的F1总体得分为0.9185，召回率为0.9409，精确度为0.8972。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号