%0期刊文章%@ 2291- 9694% I JMIR出版物%V 4%卡塔尔世界杯8强波胆分析 N 4% P e37% T基于web的实时病例发现，用于糖尿病患者的人群健康管理:未来的验证提供基于自然语言处理算法以全国范围内的电子医疗记录%郑,Le %王,曰%郝,%有一个心,安德鲁·Y %金Bo %一个非政府组织,安D % Jackson-Browne,麦地那S %一个樵夫,丹尼尔·J %傅,Tianyun %张,林嘉欣%一个周,鑫%朱,审理%戴,多萝西% Yu Yunxian %郑,帮派%李,徼% McElhinney,脱B %斑鸠,德沃尔S %阿尔弗雷德,肖恩T %斯登,弗兰克%西尔维斯特,卡尔·G %扩大Eric %凌,雪峰布鲁斯% +斯坦福大学，S370 Grant Bldg，斯坦福，CA，美国，1 650 427 9198,bxling@stanford.edu %K电子病历%K自然语言处理%K糖尿病%K数据挖掘%D 2016 %7 11.11.2016 %9原始论文%J JMIR Med Inform %G英文%X背景:基于结构化病历的糖尿病病例查找不能完全识别与糖尿病相关的病史以自由文本形式可用的糖尿病患者。已经使用了人工图表审查，但涉及高人工成本和长延迟。目的:本研究开发并测试了一种基于web的糖尿病病例查找算法，该算法使用结构化和非结构化电子病历(EMRs)。方法:本研究基于覆盖美国缅因州几乎所有卫生设施的卫生信息交换(HIE) EMR数据库。使用叙述性临床记录，回顾性地(2012年7月1日至2013年6月30日)开发了基于web的自然语言处理(NLP)病例查找算法，并使用hie相关设施的随机子集进行盲法测试。基于nlp的算法随后被整合到HIE数据库中并进行前瞻性验证(2013年7月1日至2014年6月30日)。结果:在935891例前瞻性队列患者中，仅使用诊断代码就确定了64168例糖尿病病例。我们基于nlp的病例查找算法前瞻性地发现了另外5756个未编纂的病例(5756/ 64168，增加8.97%)，阳性预测值为0.90。 Of the 21,720 diabetic patients identified by both methods, 6616 patients (6616/21,720, 30.46%) were identified by the NLP-based algorithm before a diabetes diagnosis was noted in the structured EMR (mean time difference = 48 days). Conclusions: The online NLP algorithm was effective in identifying uncodified diabetes cases in real time, leading to a significant improvement in diabetes case finding. The successful integration of the NLP-based case finding algorithm into the Maine HIE database indicates a strong potential for application of this novel method to achieve a more complete ascertainment of diagnoses of diabetes mellitus. %M 27836816 %R 10.2196/medinform.6328 %U http://medinform.www.mybigtv.com/2016/4/e37/ %U https://doi.org/10.2196/medinform.6328 %U http://www.ncbi.nlm.nih.gov/pubmed/27836816