Abstract
Medicine
Klinische Aanvraagrapporten (CCRs) zijn een waardevol middel van het delen van opmerkingen en inzichten in de geneeskunde. De vorm van deze documenten varieert, en hun inhoud bevat beschrijvingen van talloze, nieuwe ziekte presentaties en behandelingen. De tekstgegevens binnen CCRs is tot nu toe grotendeels ongestructureerd, vereisen aanzienlijke personele en computationele inspanning te handig voor diepgaande analyse maken van deze gegevens. In dit protocol beschrijven we methoden voor het identificeren van de metagegevens overeenkomen met specifieke biomedische concepten vaak waargenomen binnen CCRs. Wij bieden een metagegevenssjabloon als een gids voor document aantekening, erkennen dat het opleggen van structuur op CCRs kan worden afgedwongen door combinaties van handmatige en geautomatiseerde inspanning. De hier gepresenteerde benadering kan is geschikt voor de organisatie van concept-gerelateerde tekst van een corpus van grote literatuur (bijvoorbeeld duizenden van CCRs) maar gemakkelijk aangepast om meer gerichte taken of kleine sets van verslagen te vergemakkelijken. De resulterende gegevens van gestructureerde tekst bevat voldoende semantische context om te ondersteunen een verscheidenheid aan volgende tekst analyse werkstromen: meta-analyses om te bepalen hoe het maximaliseren van de CCR detail, epidemiologische studies van zeldzame ziekten, en de ontwikkeling van modellen voor medische taal kan alle geschieden meer haalbaar en beheersbaar is door het gebruik van gestructureerde tekstgegevens.
ABOUT JoVE
Copyright © 2024 MyJoVE Corporation. All rights reserved