تطبيق تقنيات معالجة اللغة الطبيعية وتعلم الآلة على تغذية تجربــة المرضى: مراجعة نظامية

الأهداف: تحتوي تغذية مرضى النص الحر غير المنظم على معلومات غنية، وتحليل هذه البيانات يدويًا سيتطلب الكثير من الموارد البشرية التي لا تتوفر في معظم منظمات الرعاية الصحية. للقيام بمراجعة نظامية للأدبيات حول استخدام معالجة اللغة الطبيعية (NLP) وتعلم الآلة (ML) لمعالجة وتحليل بيانات تجربة المرضى بالنص الحر. الأساليب: تم البحث في قواعد البيانات بشكل نظامي لتحديد المقالات المنشورة بين يناير 2000 وديسمبر 2019 التيexamining NLP لتحليل تغذية مرضى النص الحر. نظرًا للطبيعة غير المتجانسة للدراسات، تم اعتبار التحليل السردي الأكثر ملاءمة. تم تسجيل بيانات تتعلق بغرض الدراسة، والمحتوى، والمنهجية، ومقاييس الأداء ومؤشرات الجودة. النتائج: تم تضمين تسعة عشر مقالاً. أُستخدمت غالبية الدراسات (80%) تقنيات تحليل اللغة على تغذية المرضى من مواقع التواصل الاجتماعي (غير مرغوب فيها) تليها الاستطلاعات المنظمة (مطالب بها). تم استخدام التعلم الخاضع للإشراف بشكل متكرر (n=9)، يليه التعلم غير الخاضع للإشراف (n=6) ونصف الخاضع للإشراف (n=3). تم تحليل التعليقات المستخرجة من وسائل التواصل الاجتماعي باستخدام نهج غير خاضع للإشراف، وتم تحليل التعليقات بالنص الحر الموجودة في الاستطلاعات المنظمة باستخدام نهج خاضع للإشراف. شملت مقاييس الأداء المبلغ عنها الدقة والاسترجاع وقياس F، وكانت آلة الدعم الناقل وNaïve Bayes أفضل مصنفي ML أداءً. الاستنتاج: لقد ظهرت معالجة اللغة الطبيعية وتعلم الآلة كأداة مهمة لمعالجة النص الحر غير المنظم. كلا النهجين، الخاضع للإشراف وغير الخاضع للإشراف، لهما دوره بناءً على مصدر البيانات. مع تقدم أدوات تحليل البيانات، قد تكون هذه التقنيات مفيدة لمنظمات الرعاية الصحية لاستخراج رؤى من كميات كبيرة من بيانات النص الحر غير المنظمة.