低血糖は糖尿病の治療を受けている人々の間では一般的であり潜在的に危険です。電子健康記録(EHR)は、低血糖サーベイランスのための重要な情報源です。本研究では、EHRナラティブから低血糖イベントを自動的に検出するためのディープラーニングベースの自然言語処理システムの開発と評価について報告する。公衆衛生の専門家は、糖尿病患者からの500のEHRノートに注釈を付けました。我々は、この注釈付きデータセットを使用して、低血糖症検出のための教師付きNLPシステムであるHYPEを訓練し評価した。我々の実験では、畳み込みニューラルネットワークモデルは、有望なパフォーマンスが得られたPのRをE C I S I O N = 0.96 ± 0.03 、RのE C Ll= 0.86 ± 0.03 、F1 = 0.91 ± 0.0310倍交差検定設定で。注釈付きデータが非常に不均衡であるにもかかわらず、私たちのCNNベースのHYPEシステムは依然として低血糖症検出のための高性能を達成しました。HYPEは、EHRに基づく低血糖症のサーベイランスに使用され、臨床医が高リスク患者の適時治療を容易にするために使用される可能性があります。
Hello!
Could you please provide the dataset used in HYPE? I would like to be able to use it in reproducing experiments and other studies. Thank you in advance for your attention and collaboration!
概要
低血糖は糖尿病の治療を受けている人々の間では一般的であり潜在的に危険です。電子健康記録(EHR)は、低血糖サーベイランスのための重要な情報源です。本研究では、EHRナラティブから低血糖イベントを自動的に検出するためのディープラーニングベースの自然言語処理システムの開発と評価について報告する。公衆衛生の専門家は、糖尿病患者からの500のEHRノートに注釈を付けました。我々は、この注釈付きデータセットを使用して、低血糖症検出のための教師付きNLPシステムであるHYPEを訓練し評価した。我々の実験では、畳み込みニューラルネットワークモデルは、有望なパフォーマンスが得られたPのRをE C I S I O N = 0.96 ± 0.03 、RのE C Ll= 0.86 ± 0.03 、F1 = 0.91 ± 0.0310倍交差検定設定で。注釈付きデータが非常に不均衡であるにもかかわらず、私たちのCNNベースのHYPEシステムは依然として低血糖症検出のための高性能を達成しました。HYPEは、EHRに基づく低血糖症のサーベイランスに使用され、臨床医が高リスク患者の適時治療を容易にするために使用される可能性があります。