Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

TextMining_EHR

Projektbeskrivelse
by

Ulrik Gerdes

on 18 June 2013

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of TextMining_EHR

Brug af text analytics på elektroniske patientjournaler til identifikation af problemer med patientsikkerhed Udvikling: Mange idéer, fx… Hvilke principper arbejder vi med? Oplysninger om (be)handlinger Oplysninger om undersøgelser Logiske operatorer Tidsvindue(r) Beskrivelser af kliniske fund Modulopbyggede algoritmer Maj 2013 :: Erfaringer fra et igangværende projekt Ulrik Gerdes Kan man lære en computer at læse patientjournaler for at hjælpe med opgaven? Effektive tiltag kræver systematiske registreringer af problemerne
Manuelle gennemgange af patientjournaler er resursekrævende Forbedring af patientsikkerhed Udfordringer! En ofte anvendt valideret metode til strukturerede gennemlæsninger af patientjournaler
To reviewere og en supervisor gennemgår fx 20 journaler fra et sygehus hver måned
Der anvendes en liste med 56 triggere (markører) for mulige patientskader
Eventuelle skader identificeres sideløbende
Det tager typisk 40-50 minutter per journal
Kvaliteten af metoden diskuteres, bl.a. fordi resultaterne kan være inkonsistente Manuel metode: Global Trigger Tool Algoritmerne er (især) gode til at frasortere journaler uden problemer…! Patienter der er faldet under en indlæggelse, uanset om det medførte egentlige skader eller ej Resultater :: Eksempel :: Fald Behov for at præcisere definitionerne af markører og skader?
Andre måder at gøre tingene på? Hvad er »sandheden«…? En central problemstilling Samarbejde Der er et stort potentiale i udviklingen af text analytics (mining) til brug i sundhedsvæsenet
Det er krævende arbejde, især i et lille sprogområde
Vi er interesserede i at samarbejde med alle der beskæftiger sig med emnet i Danmark  Tak for jeres opmærksomhed! Formål Metoder Resultater Udvikling Det er lidt af en kunst at få de rette data i hænderne på de rette folk med de rette værktøjer til rette tid… Og projektstyring… Sproget i patientjournaler Velformulerede sætninger versus SMS-stil, fx
»Pt. har selv seponeret sin ventrikelsonde«
»Pt selv sep v-sonde«

Stavefejl, fx
Trygsår, tryk sår, tyksår, decibitus, dukibitus… etc.

Forkortelser (slang), fx
aff, at, blp, cic, epi, epid, fl, forb, ga, gens, gop, hyg, inf, ka, kath, knag, kvalmest, kvo, mob, msu, omk, ooa, opv, seq, sh, sik, stg, suff, uls, vt

Helt sort snak, fx
»Bor på landbrug med dyr hånd« (talegenkendelse) Indholdet i patientjournaler Komplicerede og variante strukturer
Forskellige typer af noter
Ting der ændres med tiden

Tidsforløb...!

Kvantitet og kvalitet
Der er betydelige forskelle på hvor meget der skrives/dokumenteres og hvor godt/grundigt det gøres
Redundante informationer (gentagelser)
Implicitte informationer (alt det der ikke står) Afdelinger og sygehuse er forskellige Vigtigt at gøre sig klart…!
Forskellige patientgrupper
Forskellige måder at registrere informationer på
Forskellige sprog (»dialekter« og slang) Modulopbyggede algoritmer er en fordel Overlæge, dr.med., lektor
Center for Kvalitet ∙ Region Syddanmark ∙ Middelfart
Institut for Region Sundhedsforskning ∙ Syddansk Universitet Teknikken har et stort potentiale
Der er en række udfordringer
Et nationalt samarbejde er ønskværdigt Konklusioner Rent praktisk Manuel
læsning Computer Hvilke triggere og skader? Spørgsmål…? Gode erfaringer med brug af SharePoint Vidensdeling...! Et integreret procesværktøj til praktisk brug SAS Enterprise Text Miner
SAS Content Categorization Software Hvordan gør vi...? Prototype snart klar
til afprøvning Vi tester algoritmerne
med nye (ukendte) journaler 100 stk. fra samme sygehus
Er udført: Resultater = OK 100 stk. fra et andet sygehus
Er udført: Resultater = OK 100 stk. fra samme sygehus [GTT-reviewere]
Start primo maj 2013 En god platform til vidensdeling... En effektiv arbejdsplads for proffer... Læg lige mærke til computerskærmene...! Vi arbejder med 2 computer og 3 store skærme...
Én der viser Content Categorization
Én der viser resultaterne i Excel 2010, og
Én vi bruger til løbende at føre logbog Vi bruger ofte også vores iPads, og nogle gange en bærbar computer til at holde styr på tingene Brug af LinkedIn Find mig på nettet...
Full transcript