Satzabruf für Abstracts von randomisierten kontrollierten Studien

HINTERGRUND: Die Praxis der evidenzbasierten Medizin (EBM) erfordert, dass Klinikern ihre Expertise mit den neuesten wissenschaftlichen Forschungen integrieren. Doch dies wird zunehmend schwierig mit der wachsenden Anzahl veröffentlichter Artikel. Es besteht ein deutlicher Bedarf an besseren Werkzeugen, um die Fähigkeit der klinischen Anwender zu verbessern, die Primärliteratur zu durchsuchen. Randomisierte klinische Studien (RCTs) sind die verlässlichste Quelle für Evidenz, die die Wirksamkeit von Behandlungsoptionen dokumentiert. In diesem Papier wird der Abruf von Schlüsselsätzen aus Abstracts von RCTs beschrieben, als Schritt zur Unterstützung der Benutzer bei der Auffindung relevanter Fakten über das experimentelle Design klinischer Studien. METHODEN: Mithilfe von Conditional Random Fields (CRFs), einer beliebten und erfolgreichen Methode zur Lösung von Problemen der natürlichen Sprachverarbeitung, werden Sätze, die sich auf Intervention, Teilnehmer und Ergebnismaße beziehen, automatisch kategorisiert. Dies geschieht durch die Erweiterung eines früheren Ansatzes zur Kennzeichnung von Sätzen in einem Abstract mit allgemeinen Kategorien, die mit wissenschaftlicher Argumentation oder rhetorischen Rollen verbunden sind: Ziel, Methode, Ergebnisse und Fazit. Die Methoden werden an mehreren Korpora von RCT-Abstracts getestet. Zuerst werden strukturierte Abstracts mit Überschriften verwendet, die spezifisch Intervention, Teilnehmer und Ergebnismaße anzeigen. Auch ein manuell annotiertes Korpus von strukturierten und unstrukturierten Abstracts wird vorbereitet, um einen Klassifizierer zu testen, der Sätze identifiziert, die zu jeder Kategorie gehören. ERGEBNISSE: Mit CRFs können Sätze für die vier rhetorischen Rollen mit F-Scores von 0,93-0,98 gekennzeichnet werden. Dies übertrifft die Verwendung von Support Vector Machines. Darüber hinaus können Sätze automatisch für Intervention, Teilnehmer und Ergebnismaße in unstrukturierten und strukturierten Abstracts gekennzeichnet werden, in denen die Abschnittsüberschriften diese drei Themen nicht speziell angeben. F-Scores von bis zu 0,83 und 0,84 werden für Sätze zu Intervention und Ergebnismaß erzielt. FAZIT: Die Ergebnisse weisen darauf hin, dass einige der methodologischen Elemente von RCTs auf Satzebene sowohl in strukturierten als auch unstrukturierten Abstractberichten identifizierbar sind. Dies ist vielversprechend, da automatisch gekennzeichnete Sätze potenziell prägnante Zusammenfassungen bilden, bei der Informationssuche helfen und eine detailliertere Extraktion ermöglichen könnten.