Cr\u00e9dito: CC0 Public Domain <\/p>\n
Interes\u00e1ndose en los hilos de mensajes electr\u00f3nicos entre los pacientes quir\u00fargicos y sus equipos de atenci\u00f3n m\u00e9dica, un grupo de investigaci\u00f3n del Centro M\u00e9dico de la Universidad de Vanderbilt prob\u00f3 qu\u00e9 tan bien ciertos Los algoritmos de aprendizaje autom\u00e1tico utilizados pueden clasificar dichos intercambios de acuerdo con su complejidad de toma de decisiones cl\u00ednicas. Su informe est\u00e1 en l\u00ednea antes de la publicaci\u00f3n impresa en el Journal of Surgical Research. <\/p>\n
Los autores se\u00f1alan que los pagadores de atenci\u00f3n m\u00e9dica como Medicare incluyen la consideraci\u00f3n de la complejidad de la toma de decisiones m\u00e9dicas al determinar el pago de los servicios.<\/p>\n
\u00abSi es efectivo, el an\u00e1lisis automatizado de mensajes podr\u00eda cuantificar la atenci\u00f3n brindada en l\u00ednea o apoyar la facturaci\u00f3n de la atenci\u00f3n en l\u00ednea\u00bb, escriben los autores. Podr\u00eda ayudar en las decisiones de personal y \u00abpuede ayudar con la selecci\u00f3n de [mensajes]\u00bb.<\/p>\n
Dos cirujanos-investigadores etiquetaron de forma independiente 500 subprocesos de acuerdo con la complejidad de la toma de decisiones m\u00e9dicas y, discutiendo cualquier desacuerdo, lograron un consenso sobre etiquetas para cada subproceso: sencillo, bajo, moderado y sin decisi\u00f3n. (Result\u00f3 que no hab\u00eda subprocesos muy complejos en el conjunto).<\/p>\n
El equipo prob\u00f3 qu\u00e9 tan cerca dos algoritmos est\u00e1ndar de aprendizaje autom\u00e1tico multiclase pod\u00edan coincidir con esta clasificaci\u00f3n experta, uno un clasificador de bosque aleatorio y el otro un clasificador bayesiano de nave multinomial. Cada uno se entren\u00f3 y valid\u00f3 en 450 de los subprocesos etiquetados, luego se prob\u00f3 en los 50 restantes. La precisi\u00f3n se midi\u00f3 en t\u00e9rminos de precisi\u00f3n, o la proporci\u00f3n de verdaderos positivos recuperados a la suma de verdaderos y falsos positivos recuperados, y recuperaci\u00f3n, o la proporci\u00f3n de verdaderos positivos recuperados a todos los positivos en el conjunto.<\/p>\n
En las cuatro etiquetas de su conjunto de complejidad de toma de decisiones cl\u00ednicas directa, baja, moderada o nula, con una puntuaci\u00f3n de 1.0 que significa perfecci\u00f3n, el mejor desempe\u00f1o del Los dos modelos de aprendizaje autom\u00e1tico del equipo fueron 0,58 en precisi\u00f3n y 0,63 en recuperaci\u00f3n.<\/p>\n
\u00abAunque superaron con creces a un tercer programa que calific\u00f3 la complejidad simplemente sumando la cantidad de t\u00e9rminos m\u00e9dicos en cada cadena de mensajes, ninguno de los dos algoritmos de aprendizaje autom\u00e1tico entrenados actualmente podr\u00edan considerarse adecuados para uso cl\u00ednico sin m\u00e1s datos y an\u00e1lisis\u00bb, dijo la autora principal del estudio, Lina Sulieman, Ph.D., investigadora del Departamento de Inform\u00e1tica Biom\u00e9dica. \u00abEntre los detalles de este estudio hay varios hallazgos que pueden ayudarnos a mejorar este tipo de an\u00e1lisis automatizado en el futuro\u00bb.<\/p>\n
Estudios anteriores de Sulieman y otros han utilizado el aprendizaje autom\u00e1tico para clasificar los mensajes entrantes de los pacientes de acuerdo con el estado general. tipos de necesidades expresadas en ellos m\u00e9dicas, log\u00edsticas, informativas, etc. Seg\u00fan los autores, este parece ser el primer intento de clasificar autom\u00e1ticamente los hilos de mensajes de acuerdo con la complejidad de la decisi\u00f3n cl\u00ednica.<\/p>\n
Seg\u00fan el estudio, el paciente de VUMC El portal, My Health at Vanderbilt (la fuente de los hilos utilizados en el estudio), recibe alrededor de 30\u00a0000 mensajes de pacientes y familiares en un mes t\u00edpico.<\/p>\n
\u00abLa mensajer\u00eda segura es una de las caracter\u00edsticas m\u00e1s populares de portales de pacientes, con hospitales experimentando un crecimiento exponencial en el volumen de mensajes\u00bb, dijo Sulieman. \u00abCuantificar la complejidad de la toma de decisiones en los mensajes de los pacientes puede facilitar la identificaci\u00f3n de la persona adecuada para administrar el hilo y responder a los mensajes en funci\u00f3n del nivel de complejidad m\u00e9dica. Actualmente, este es un proceso manual y encontrar una manera de automatizar realizar el triaje puede ahorrar tiempo dedicado a leer el mensaje y delegar la tarea a la persona adecuada del equipo\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
Clasificaci\u00f3n autom\u00e1tica de mensajes de pacientes M\u00e1s informaci\u00f3n:<\/strong> Lina Sulieman et al. Automatizaci\u00f3n de la clasificaci\u00f3n de la complejidad de la toma de decisiones m\u00e9dicas en la mensajer\u00eda entre pacientes y proveedores en un portal para pacientes, Journal of Surgical Research (2020). DOI: 10.1016\/j.jss.2020.05.039 Informaci\u00f3n de la revista:<\/strong> Journal of Surgical Research <\/p>\n Proporcionado por la Universidad de Vanderbilt Cita<\/strong>: El estudio usa IA para clasificar los mensajes de los pacientes por complejidad (2020, 28 de agosto) recuperado el 31 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2020-08-ai-patient-messages-complexity.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: CC0 Public Domain Interes\u00e1ndose en los hilos de mensajes electr\u00f3nicos entre los pacientes quir\u00fargicos y sus equipos de atenci\u00f3n m\u00e9dica, un grupo de investigaci\u00f3n del Centro M\u00e9dico de la Universidad de Vanderbilt prob\u00f3 qu\u00e9 tan bien ciertos Los algoritmos de aprendizaje autom\u00e1tico utilizados pueden clasificar dichos intercambios de acuerdo con su complejidad de toma … Continuar leyendo \u00abUn estudio usa IA para clasificar los mensajes de los pacientes por complejidad\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-33223","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/33223","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=33223"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/33223\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=33223"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=33223"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=33223"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}