Browsing by Author "Yang, Kai-Jung"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    基於自然語言技術之急診病患檢傷階段再住院預測研究
    (2023) 楊鎧溶; Yang, Kai-Jung
    在急診早期檢傷階段中，病患主訴語(chief complaints)為後續檢傷與醫療初步判定之重要依據。本研究以台北馬偕醫院2011到2018的八年度急診病患就診資料，將檢傷階段可取得之主訴語、年齡、檢傷分級、到院模式…等資料經過非結構後與結構化資料預處理、關鍵字分析、自然語言處理模型，機器學習程序，以進行急診住院、再住院、再入院、死亡預測的實證分析研究。研究在機器學習的程序上，首先採用類神經網路之Word2vec詞嵌入語言模型，由主訴篩選住院相關之重要語意關聯詞，研究進而透過BERT模型進行後續住院、再住院、再入院、死亡預測的研究。研究採用Word2vec與BERT自然語言處理模型進行預測研究，預期可以協助醫院及早準備重症病患相關醫療資源。實驗結果顯示(1) BERT模型預測效力優於Word2vec模型；(2)採用主訴語可以有好的急診住院、再住院、再入院、死亡預測力，於住院、再住院、再入院、死亡預測方面，BERT模型單純採用主訴進行預測， AUC分別為0.9446、0.9877、0.9883、1.0000；(3)考慮結構化變數以產生本研究提出之延伸主訴(Expanded CCs)概念將可提升急診再住院預測效果，BERT模型於住院、再住院、再入院、死亡預測方面的AUC分別為0.9611、0.9949、0.9947、1.0000；(4) 在死亡預測方面，不論是否不平衡處理，單純採用主訴的情況下，Word2vec在維度50的0.8750 AUC優於維度200的0.8394 AUC；若考慮檢傷階段的重要結構化變數，Word2vec在維度50的0.7730 AUC優於維度200的0.7325 AUC，採用單純主訴的各項評估值優於考慮重要結構化變數之Expanded CCs的各項評估值。本研究提出之架構與延伸主訴概念可提供急診預測相關研究的參考。