Un análisis cuantitativo a gran escala de factores latentes y sentimiento en reseñas de médicos en línea

Las reseñas de médicos en línea son una fuente masiva y potencialmente rica de información que captura el sentimiento del paciente respecto a la atención médica. Analizamos un corpus que comprende casi 60,000 de dichas reseñas con un modelo probabilístico de texto de vanguardia. Describimos un modelo generativo probabilístico que captura el sentimiento latente a través de aspectos de la atención (por ejemplo, la manera interpersonal). Nos enfocamos en aspectos específicos aprovechando un pequeño conjunto de reseñas anotadas manualmente. Realizamos un análisis de regresión para evaluar si la salida del modelo mejora la correlación con medidas de atención médica a nivel estatal. Reportamos tanto resultados cualitativos como cuantitativos. La salida del modelo se correlaciona con medidas estatales de calidad de atención médica, incluyendo la probabilidad de que el paciente visite a su médico de atención primaria dentro de los 14 días posteriores al alta (p=0.03), y el uso del modelo propuesto predice mejor este resultado (p=0.10). Encontramos resultados similares para el gasto en atención médica. Los modelos generativos de texto pueden recuperar información importante de las reseñas de médicos en línea, facilitando análisis a gran escala de dichas reseñas.