[ad_1]

تخمین زده می شود که مراقبت های پزشکی فقط 10-20٪ از نتایج سلامتی را تشکیل می دهد. در نتیجه ، مدیران مراقبت های بهداشتی که می خواهند خدمات با کیفیت بالا ارائه دهند باید عناصر دیگری را که بر سلامت بیماران تأثیر می گذارد ، از جمله درآمد ، دسترسی به مراقبت های بهداشتی ، تبعیض نژادی ، دارو و تغذیه کافی ، در نظر بگیرند.

اینها عوامل اجتماعی تعیین کننده سلامتی هستند. آنها اطلاعات زیادی در مورد عوامل غیر بالینی م thatثر بر رفاه بیمار ارائه می دهند. اما شناسایی SDOH بیمار می تواند یک چالش باشد ، زیرا جزئیات همیشه به راحتی در دسترس نیستند ، به خصوص در زمانی که پزشکان تصمیمات کلیدی درمانی را می گیرند.

داده های SDOH غالباً در EHR یافت می شود ، اما اساساً به عنوان متن غیر ساختاری در یادداشت های بالینی ، داده های گزارش شده توسط بیمار ، تبادل ایمیل ایمن ، پیام های پورتال بیمار و جاهای دیگر محصور می شود.

در این مصاحبه با اخبار فناوری اطلاعات در مراقبت های بهداشتی، دکتر الیزابت مارشال ، مدیر تجزیه و تحلیل بالینی در Linguamatics ، ارائه دهنده پردازش زبان طبیعی مجهز به هوش مصنوعی ، در مورد اینکه چگونه ارائه دهندگان خدمات بهداشتی درمانی می توانند از فن آوری های هوش مصنوعی مانند NLP برای از بین بردن بررسی های دستی و زمانبر نمودار برای پیدا کردن اطلاعات مهم بیماران.

پرسش: لطفاً توضیح دهید که چرا SDOH امروزه ، جایی که داده ها در EHR هستند مهم است و چرا کار با آنها دشوار است.

آ. SDOH ها شامل شرایط اجتماعی ، اقتصادی و محیطی است که بر سلامتی و کیفیت زندگی و همچنین نتایج بهداشتی افراد تأثیر می گذارد. تخمین زده می شود که بهداشت و درمان حدود 20٪ از نتایج بهداشتی را شامل شود ، این دلیل مهمی است که چرا مدیران مراقبت های بهداشتی باید عوامل SDOH و تأثیر آنها را بر سلامت بیماران در نظر بگیرند.

همه گیری نشان داد که چگونه برخی از عوامل SDOH ، از جمله دسترسی به مراقبت ، کار و شرایط زندگی ، تأثیرات مختلفی بر نتایج سلامتی دارند. همچنین در بین افرادی که دسترسی آماده به اینترنت و حمل و نقل عمومی ندارند ، میزان کمتری از واکسیناسیون علیه COVID-19 را مشاهده می کنیم.

“حدود 80٪ از اطلاعات بالینی در قالبی بدون ساختار ذخیره شده است که یافتن و دسترسی به آن دشوار است. در نتیجه ، پزشکان اغلب از جزئیات اصلی SDOH که بر تصمیم گیری و نتایج بیمار تأثیر می گذارند ، بی اطلاع هستند.”

دکتر الیزابت مارشال ، زبانشناسی

در حالی که SDOH اطلاعات زیادی در مورد عوامل غیر بالینی م affectثر بر سلامت عمومی بیمار فراهم می کند ، شناسایی SDOH برای پزشکان دشوار است. داده های SDOH اغلب در EHR یافت می شوند ، اما اساساً به عنوان متن بدون ساختار در یادداشت های بالینی ، داده های گزارش شده توسط بیمار ، پیام های پورتال بیمار و نسخه های بهداشتی ضمیمه می شوند.

در واقع ، حدود 80٪ از داده های بالینی در قالبی بدون ساختار ذخیره می شوند که یافتن و دسترسی به آنها دشوار است. در نتیجه ، پزشکان اغلب از جزئیات اصلی SDOH که بر تصمیم گیری و نتایج بیمار تأثیر می گذارند ، بی اطلاع هستند.

س: پردازش زبان طبیعی چیست و چگونه کار می کند؟

آ: NLP نوعی هوش مصنوعی است که با تعاملات بین رایانه و زبان انسان سروکار دارد. با استفاده از NLP ، رایانه می تواند محتوای اسناد را تفسیر کرده و سپس اطلاعات و بینش ها را استخراج کند.

متن مبتنی بر NLP متن آزاد (بدون ساختار) را در اسناد و پایگاه داده ها در داده های نرمال و ساختاریافته مناسب برای تجزیه و تحلیل یا رانندگی الگوریتم های یادگیری ماشین بازیابی می کند. بازیابی متن NLP می تواند به سرعت حقایق ، روابط و ادعاهایی را که در غیر این صورت در توده داده متن متن مدفون باقی بمانند ، شناسایی کند.

پس از استخراج ، این اطلاعات به یک فرم ساختاری تبدیل می شود که می تواند با استفاده از جداول HTML خوشه ای ، نقشه های ذهنی ، نمودارها و غیره بیشتر مورد تجزیه و تحلیل یا ارائه قرار گیرد.

سوال: فناوری NLP دقیقاً چگونه از EHR عبور می کند و SDOH را پیدا می کند؟ و این با داده های SDOH چه کاری انجام می دهد؟

آ: NLP به ارائه دهندگان این امکان را می دهد تا SDOH را از EHR باز کنند تا درک بهتری از شرایط هر بیمار داشته باشند. کاربر می تواند به سرعت پرس و جو ایجاد کند تا مفاهیم و روابط کلیدی را از داده های ساختار یافته بیمار استخراج کند تا مواردی مانند انزوای اجتماعی ، مسائل مربوط به حمل و نقل و عوامل فرهنگی را که ممکن است بر سلامتی و نتایج تأثیر بگذارد ، شناسایی کند.

سپس می توان از داده ها با ابزارهای تحلیلی مانند الگوریتم های یادگیری ماشین ، تجزیه و تحلیل پیش بینی و مدل های طبقه بندی ریسک استفاده کرد. علاوه بر استفاده از داده ها برای ارزیابی احتمال نتایج آینده بر اساس مدل های داده های تاریخی ، سازمان های بهداشتی درمانی می توانند از داده ها برای شناسایی شکاف منابع مانند مشکلات حمل و نقل که مانع توانایی بیمار برای دارو در داروخانه می شود ؛ برای حضور در قرارهای او استفاده کنند.

بر اساس مشکلات شناسایی شده با SDOH ، ارائه دهندگان می توانند برنامه های مراقبتی جدیدی را ایجاد کنند ، بیماران را با منابع اضافی متصل کنند یا مداخلات دیگری را ارائه دهند که منجر به نتایج بهتر برای بیماران شود.

س: نتایج نهایی چیست؟ لطفا نقاط را بهم وصل کنید.

آ: با استفاده از NLP ، ارائه دهندگان می توانند بیماران در معرض خطر عواقب بدتر به دلیل مشکلات SDOH را شناسایی کنند. با این درک ، ارائه دهندگان مراقبت های بهداشتی می توانند اقدامات پیشگیرانه ای را برای ارتباط بیماران با منابع اضافی انجام دهند ، که ممکن است شامل کمک مالی برای داروها ، مواد آموزشی برای مدیریت بیماری مزمن یا دسترسی به غربالگری سلامت برای شناسایی شرایط اساسی بهداشتی باشد که می تواند نتایج سلامتی را به خطر بیندازد.

توییتر: SiwickiHealthIT
به نویسنده ایمیل بزنید: bsiwicki@himss.org
Health IT News نشریه ای از رسانه HIMSS است.



[ad_2]

منبع: gharb-khabar.ir