PubMed چکیده/رکورد

Validation of a Natural Language Processing-Assisted Chart Review Method for Identifying Advance Care Planning Documentation in Pediatric Critical Illness.

استودیوی صوتی مقاله

پخش حرفه‌ای فارسی و انگلیسی

در حال بررسی نسخه‌های صوتی ذخیره‌شده…

صوت تولیدشده با هوش مصنوعی است. برای کاربرد علمی یا درمانی، متن و منبع اصلی را بررسی کنید.
خواندن هوشمند فارسی و انگلیسی در حال آماده‌سازی صداهای مرورگر…
تنظیم صدای طبیعی و سرعت

صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده می‌شود معمولاً طبیعی‌ترند. انتخاب صدا به صداهای نصب‌شده در ویندوز و مرورگر شما بستگی دارد.

چکیده اصلی

OBJECTIVES: Reliable measurement of advance care planning (ACP) is essential for evaluating both communication practices and quality of care in pediatric critical illness. However, most ACP documentation is embedded in free-text clinical notes and cannot be captured using administrative data, while manual chart review is time-intensive and difficult to scale. We sought to validate a rule-based natural language processing (NLP) approach to identify ACP documentation in the electronic health record (EHR) compared with manual chart review. DESIGN: Retrospective cohort study. SETTING: Single-center, quaternary PICU. PATIENTS: Children younger than 21 years admitted to the PICU for greater than 24 hours following out-of-hospital cardiac arrest (OHCA) from 2012 to 2024. INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: A rule-based NLP approach incorporating semi-automated chart review was developed through iterative refinement of previously validated keyword libraries to identify ACP documentation across prespecified domains in the EHR. In the validation cohort (n = 95), NLP-assisted chart review showed complete agreement with manual chart review (F1 = 1.0) while substantially reducing abstraction time, enabling analysis of over 31,479 clinical notes in 3 days compared with 6 months for manual review of 43,179 notes. Among 125 children with OHCA, 65% had documented ACP discussions (n = 81). Goals-of-care conversations were most common (99%), followed by limitations of life-sustaining treatment (78%), subspecialty palliative care involvement (28%), preferred location of death (9%), and hospice discussions (7%). CONCLUSIONS: NLP-assisted chart review can efficiently and accurately identify ACP documentation in pediatric critical illness for retrospective research and quality improvement efforts. This semi-automated workflow substantially reduced manual abstraction burden while maintaining excellent agreement with manual chart review, enabling effective abstraction of communication processes not captured in structured data.

نتیجه فارسی

این مطالعه یک روش نیمه‌خودکار مبتنی بر قوانین پردازش زبان طبیعی (NLP) را برای شناسایی مستندات برنامه‌ریزی مراقبت پیشرفته (ACP) در بیماران کودک در ICU اعتبارسنجی کرد. روش NLP با بازبینی دستی همخوانی کامل داشت (F1 = 1.0) و زمان استخراج داده‌ها را به شدت کاهش داد.

  • روش NLP با بازبینی دستی همخوانی کامل (F1 = 1.0) داشت.
  • استخراج داده‌ها با NLP در ۳ روز نسبت به ۶ ماه برای بازبینی دستی انجام شد.
  • در میان کودکان با توقف قلب، ۶۵٪ دارای مذاکرات ACP بودند.
  • مذاکرات اهداف مراقبتی شایع‌ترین نوع بود (۹۹٪).

ترجمه فارسی چکیده

هدف: اندازه‌گیری قابل اعتماد برنامه‌ریزی مراقبت پیشرفته (ACP) برای ارزیابی شیوه‌های ارتباطی و کیفیت مراقبت در بیماری‌های حاد کودکان ضروری است. روش: مطالعه کوهورت بازگشتی. مکان: یک مرکز چهارم در ICU کودکان. بیماران: کودکان زیر ۲۱ سال پذیرفته شده در ICU بیش از ۲۴ ساعت پس از توقف قلب در خارج از بیمارستان (OHCA) از ۲۰۱۲ تا ۲۰۲۴. نتایج: در گروه اعتبارسنجی (n = 95)، روش NLP با بازبینی دستی همخوانی کامل داشت (F1 = 1.0) و زمان استخراج را به شدت کاهش داد. در میان ۱۲۵ کودکان با OHCA، ۶۵٪ دارای مذاکرات ACP بودند. نتایج: بازبینی دستی NLP می‌تواند به طور کارآمد و دقیق مستندات ACP را شناسایی کند.

روش پژوهش

این مطالعه یک مطالعه کوهورت بازگشتی در یک مرکز چهارم ICU کودکان بود. روش NLP با استفاده از کتابخانه‌های کلیدی تکراری اصلاح شد.

محدودیت‌ها

محدودیت‌ها در متن گزارش نشده‌اند.

استخراج ساختاریافته از متن منبع

نمای PICO و پیامدها

جمعیت
کودکان زیر ۲۱ سال پذیرفته شده در ICU بیش از ۲۴ ساعت پس از توقف قلب در خارج از بیمارستان (OHCA) از ۲۰۱۲ تا ۲۰۲۴.
مداخله/مواجهه
هیچ مداخله‌ای انجام نشد.
مقایسه
بازبینی دستی نمودارها.
حجم نمونه
گروه اعتبارسنجی (n = 95) و ۱۲۵ کودکان با OHCA.

متن کامل اصلی

متن در JumpToDate ذخیره نشده است.

برای بررسی دسترسی کتابخانه‌ای یا خرید، رکورد اصلی را باز کنید.

رفتن به منبع اصلی

کلیدواژه‌ها

advance care planningcritical carenatural language processingout-of-hospital cardiac arrestpediatrics
در همین زیرشاخه

مقاله‌های مرتبط

PubMed2026

Clinical effectiveness and safety of metadoxine in the management of acute alcohol intoxication: A single-center retrospective cohort study.

BACKGROUND: Acute alcohol intoxication (AAI) is a common emergency with no specific antidote. Metadoxine has shown potential but lacks sufficient real-world evidence, particularly in Chinese populations. OBJECTIVES: To evaluate the clinical efficacy and safety of metadoxine in patients with acute alcohol intoxication. METHODS: This single-center retrospective cohort study included 124 patients with AAI admitted to an emergency departme…

PubMed2026

D3MI: an efficient and powerful federated imputation method for bias reduction in the analysis of distributed incomplete data by accounting for within-site correlation and between-site heterogeneity.

BACKGROUND: Electronic health records (EHRs) collected from diverse healthcare institutions offer a rich and representative data source for clinical research. Federated learning enables analysis of these distributed data without sharing sensitive patient-level information, preserving privacy. However, missing data remain a major challenge and can introduce substantial bias if not properly addressed. Very few distributed imputation meth…

PubMed2026

Extraction of Pain Severity and Functional Interference From Clinical Narratives Using Domain-Informed Large Language Models: Protocol for a Development and Validation Study.

BACKGROUND: Chronic pain is a leading cause of disability and requires multidimensional assessment of pain intensity and functioning, yet electronic health records rarely capture these measures systematically. By contrast, surveys collecting patient-reported outcomes can assess pain over multiple dimensions but remain resource-intensive and difficult to scale for continuous population-level monitoring. OBJECTIVE: The objective of this …

PubMed2026

From data entry to digital transformation: Allied health perspectives on standardised electronic medical records data.

BACKGROUND: Electronic medical records (EMRs) currently rely on standardised data fields to support secondary data use for clinical care, performance monitoring, and system-level reporting. However, utilisation of standardised data capture and reporting within allied health remains underdeveloped in practice. Greater understanding of how allied health clinicians and managers perceive the purpose, value, and impact of standardised data …