Patient finder > Criteria > Term toevoegen > Verslagen
Patient finder > Criteria > Term toevoegen > Verslagen Plus > Filter ‘Zekerheid’
Data collector > Vragen > Vraag toevoegen > Term toevoegen > Verslagen
Data collector > Vragen > Vraag toevoegen > Term toevoegen > Verslagen Plus > Filter ‘Zekerheid’
Inhoud artikel
- Introductie
- Hoe interpreteert CTcue de context en hoe wordt de betrouwbaarheidsscore berekend?
- Resultaten filteren op geselecteerd label of de zekerheidsscore
- Wanneer is het handig om te filteren op het geselecteerde label of de zekerheidsscore
- Feeling krijgen voor de prestaties van NLP algoritmes
- Verslagen
- Contextinterpretatie uitzetten
- Labels: rode, oranje en groene bollen - afwezig, onzeker, aanwezig
- Labels en zekerheidsscore in de ‘Resultaat preview’ en in het patiëntvalidatie scherm
- Labels en zekerheidsscore in het ‘Patiëntencohorten’ scherm
- Filteren op geselecteerd label (afwezig, onzeker, aanwezig)
- Filteren op de zekerheidsscore
- (Experimenteel) Verslagen Plus
-
- Contextinterpretatie- en zekerheidsscorefilters aanzetten
- Labels: rode, oranje en groene bollen - irrelevant, onzeker, relevant
- Je hebt ‘conditie van toepassing op de patiënt’ geselecteerd
- Je hebt ‘conditie niet van toepassing op de patiënt’ geselecteerd
- Een aangepast bereik van de zekerheidsscores toewijzen aan de labels
- Weergave labels en zekerheidsscores in CTcue
- Filteren op basis van geselecteerd label of zekerheidsscore
- Basisfilters: in ‘Patiëntencohorten’ en ‘Data validatie’
- Geavanceerd filteren: niet relevante vermeldingen en verslagen van te voren uitsluiten van je zoekresultaten
-
OPMERKING: Een deel van dit artikel gaat over Verslagen Plus. Verslagen Plus is op dit moment een experimentele functionaliteit binnen CTcue. Niet elke gebruiker kan standaard dit type zoekterm toevoegen aan een project. Wil je de functionaliteit graag testen? Vraag of de beheerder van CTcue in jouw ziekenhuis je toegang wil geven tot het gebruik. Dit kan in het administratie paneel onder gebruikers > selecteer gebruiker > permissies > experimentele functionaliteiten > vink “Toegang tot de verslagen plus categorie” aan.
Omdat Verslagen Plus nog een experimentele functionaliteit is, is deze aan veranderingen in gebruik en toepassing onderhevig. Het applicatie development team zal op een later moment, na uitgebreid testen, de functionaliteit verder ontwikkelen en verbeteren. De functionaliteit zal daarna algemeen beschikbaar worden gemaakt in de CTcue applicatie.
Heb jij Verslagen Plus getest? We horen graag over je ervaringen. Deel je feedback en verbeterpunten via support@ctcue.com. Zie je in de app dat de AI algoritmes een fout maken? Gebruik de AI feedback knop in de applicatie.
Een van de meest tijdrovende onderdelen van patiëntgegevens doorzoeken in het EPD, is het zoeken door vrije tekst, waarbij je teksten moet doorspitten om erachter te komen of een patiënt inderdaad ‘last heeft’ van de ziekte of het symptoom waar je in geïnteresseerd bent. Gelukkig maakt de 'Verslagen' categorie in CTcue dit makkelijker. Het is daarmee mogelijk om op bepaalde trefwoorden te zoeken in de tekst. Hierbij kan je zelfs op synoniemen van medische concepten (ziektes, symptomen, diagnoses…) zoeken.
Toch blijft dit ingewikkeld: als je patiënten zoekt met ‘diabetes’ op basis van alleen de aanwezigheid van het trefwoord in de tekst, hoe voorkom je dan dat je patiënten ophaalt met verslagen waarin een arts bijvoorbeeld heeft geschreven dat er geen sprake is van diabetes zonder dat je al deze ontkenningen een voor een uit de verslagen moet filteren?
Om dit makkelijker te maken, kan je gebruik maken van de Artificial Intelligence (AI) / Natural Language Processing (NLP) algoritmes die geïntegreerd zijn in CTcue. Deze interpreteren de context waarin een medisch concept genoemd is, en concluderen of het concept wel of niet van toepassing is op de patiënt. De zekerheidsscore die daarbij berekend wordt, geeft aan hoe zeker de NLP algoritmes zijn van de correctheid van deze conclusie.
Hoe interpreteert CTcue de context en hoe wordt de betrouwbaarheidsscore berekend?
CTcue detecteert het medische concept waar je naar op zoek bent in de verslagen en kijkt naar de volledige zin waarin het trefwoord genoemd wordt. De AI / NLP algoritmes kijken daarbij o.a. naar:
- Staan er ontkenningen in de zin?
“Diabetes: nee”; “geen aanwijzingen voor diabetes”. - Is er sprake van hypothetisch taalgebruik?
“Differentiaal diagnose: diabetes”; “zou diabetes kunnen zijn”. - Wordt het concept in de context van een familielid genoemd?
“Moeder heeft diabetes”; “Diabetes komt voor in de familie”. - Is er een tijdsindicatie gegeven over het concept?
“Had vroeger diabetes”; “2005: diabetes”.
Op basis van deze contextinterpretatie geven de algoritmes aan of het medische concept dat in de tekst genoemd wordt, van toepassing is op de patiënt of niet. CTcue selecteert één van de volgende labels:
- Aanwezig
De patiënt heeft (waarschijnlijk) diabetes (gehad). - Onzeker
De algoritmes weten niet zeker of de patiënt diabetes heeft (gehad) of niet. - Afwezig
De patiënt heeft (waarschijnlijk) geen diabetes (gehad).
Hierbij wordt een zekerheidsscore berekend, lopend van 0 – 100%. Deze score is een indicatie voor hoe zeker de NLP algoritmes zijn dat het door hun gekozen label van hierboven, het juiste label is.
Het toepassen van de labels en de zekerheidsscore die wordt weergegeven, werkt iets anders in de 'Verslagen' en de 'Verslagen Plus' zoekterm categorieën. We leggen verderop uit hoe je kan werken met de labels, hoe je de zekerheidsscore kan interpreteren en hoe je deze kan gebruiken om de meest relevante verslagen en patiënten te vinden.
Resultaten filteren op geselecteerd label of de zekerheidsscore
Wanneer is het handig om te filteren op het geselecteerde label of de zekerheidsscore
- Je wilt patiënten excluderen waarvan CTcue vrij zeker is dat de patiënt niet relevant is voor jouw onderzoek.
- Je wilt patiënten waarvan je vrij zeker weet dat ze voldoen aan de inclusiecriteria automatisch includeren zonder de verslagen na te lezen. Hierdoor wordt de groep patiënten die je nog nader moet bekijken tijdens het valideren kleiner.
- Je wilt snel kunnen achterhalen hoe goed je zoekopdracht werkt en gaat op zoek naar ontkenningen op basis waarvan je jouw zoekopdracht nog specifieker kunt maken. Je vind bijvoorbeeld bij patiënten met een lage zekerheidsscore vaak de zinssnede “risico op CVA”. Dan kun je deze woordcombinatie gebruiken om je zoekterm bij de inclusiecriteria verder aan te scherpen: je voegt “risico op CVA” toe aan de Verslagen/Verslagen Plus zoekterm onder filter ‘Inhoud’ > ‘Geavanceerd zoeken in tekst’ > ‘bevat geen van het volgende in hetzelfde resultaat’.
Feeling krijgen voor de prestaties van de NLP algoritmes
LET OP! Als je gaat filteren het geselecteerde label of de zekerheidsscore en op basis daarvan deels automatisch gaat valideren, is het ontzettend belangrijk dat je eerst feeling krijgt voor de prestaties van de CTcue NLP algoritmes die de contextinterpretatie uitvoeren. Het zijn AI algoritmes, deze maken wel eens fouten en trekken soms verkeerde conclusies. Je kan aanpassingen maken in je filterinstellingen om te zorgen dat je veel minder last hebt van verkeerde conclusies.
Je wilt daarom een afweging maken aan de hand van de volgende check-vragen:
- Klopt het label dat geselecteerd wordt in het algemeen?
- Welk bereik van de zekerheidsscores klopt met de geselecteerde labels?
- Welke percentages moet je gebruiken voor het beste resultaat? Moet ik strenger of minder streng zijn met de zekerheidsscores?
Bijv. filteren van 90-100% voor aanwezig i.p.v. 70-100%. Of filteren van 0-50% voor afwezig i.p.v. 0-39%. - Hoe goed werkt de context interpretatie van de NLP algoritmes voor de specifieke medische conditie en het type verslagen waar jij naar zoekt?
- Worden paragraaftitels goed gedetecteerd?
Je kan deze afweging als volgt maken, met een iteratief proces:
- Bouw je ‘Verslagen’ of ‘Verslagen Plus’ zoekterm en evt. andere termen in het ‘Criteria’ menu.
- Klik rechtsbovenin op zoeken
- Ga naar het ‘Patientencohorten’ menu.
- Klik op een rij in de tabel om naar het patiënt validatie scherm te gaan.
- Ga naar de ‘Verslagen’ of ‘Verslagen Plus’ zoekterm die jij wil checken.
- Bekijk de verslagen van een aantal patiënten en de contextinterpretatie van de NLP algoritmes.
- Stel jezelf de check-vragen van hierboven.
- Maak een afweging: zijn de standaardinstellingen goed genoeg, of moet ik het bereik van de zekerheidsscore aanpassen?
Gebruik deze afweging om te bepalen hoe je wil filteren op basis van geselecteerd label of zekerheidsscore in de ‘Patiëntencohorten’ tabel.
Verslagen
Alleen in de Patient Finder module van CTcue kan je gebruik maken van contextinterpretatie en het filteren op basis van zekerheidsscore met ‘Verslagen’ zoektermen. Als je dit ook wil doen in de Data Collector module, moet je ‘Verslagen Plus’ zoektermen gebruiken.
Contextinterpretatie uitzetten
Contextinterpretatie staat standaard aan als je een nieuwe ‘Verslagen’ zoekterm toevoegt aan je inclusie- of exclusie criteria en de filter ‘Inhoud’ begint in te stellen. Dit is te herkennen aan de ‘Tekstverwerking’ slider die standaard groen is en aan staat.
Als je 1x op de slider klikt, wordt de contextinterpretatie uitgezet en wordt er geen zekerheidsscore berekend.
In de zoekbalk onder ‘Inhoud’ en ‘bevat één van het volgende’ stel je in op welke medische conditie je wilt zoeken. In het voorbeeld hieronder is dat diabetes + 13 synoniemen.
Labels: rode, oranje en groene bollen - afwezig, onzeker, aanwezig
Als de tekstverwerking aan staat in ‘Verslagen’ zoektermen, vind je in het 'Resultaat preview' scherm, in de patiëntencohorten tabel en in het patiënt validatiescherm rode, oranje of groene bollen met daarnaast de zekerheidsscore.
- Rode bol: afwezig – zekerheidsscore ≥ 0 ≤ 39%
Volgens de contextinterpretatie van CTcue staat in de zin dat de patiënt niet aan de medische conditie lijdt waar je met de filter ‘inhoud’ op zoekt. Bijvoorbeeld: “Patiënt heeft geen diabetes” of “DM: -“. Hoe lager de zekerheidsscore is (dichter bij 0%), hoe zekerder CTcue is dat de NLP algoritmes de juiste conclusie ‘afwezig’ hebben getrokken na contextinterpretatie. - Oranje bol: onzeker – zekerheidsscore ≥ 40 ≤ 69%
CTcue weet n.a.v. contextinterpretatie niet zeker of de patiënt nou wel of niet aan de medische conditie lijdt. - Groene bol: aanwezig – zekerheidsscore ≥ 70 ≤ 100%
Volgens de contextinterpretatie van CTcue staat in de tekst dat de patiënt wel aan de medische conditie lijdt waar je met de filter ‘inhoud’ op zoekt. Bijvoorbeeld: “patiënt heeft diabetes” of “DM: +”.
Hoe hoger de zekerheidsscore is (dichter bij 100%), hoe zekerder CTcue is dat de NLP algoritmes de juiste conclusie ‘aanwezig’ hebben getrokken na contextinterpretatie.
Als je over de rode, oranje en groene bollen zweeft met je muis, wordt respectievelijk het label afwezig, onzeker en aanwezig getoond. De zekerheidsscore wordt rechts van de gekleurde bollen weergegeven.
Labels en zekerheidsscore in de ‘Resultaat preview’ en in het patiëntvalidatie scherm
In de verslagtekst wordt de vermelding van de medische conditie waar je op zoekt, gehighlight in rood, oranje of groen. Deze kleur correspondeert met het geselecteerde label.
Als de medische conditie waar je op zoekt, of een synoniem ervan, meerdere keren genoemd wordt in hetzelfde verslag, wordt voor elke aparte vermelding de context geïnterpreteerd en een zekerheidsscore berekend. Het gekozen label en de score kan verschillen per vermelding. Standaard wordt alleen het gekozen label en de zekerheidsscore getoond van de vermelding met de hoogste zekerheidsscore.
Rechtsboven de tabel kan je klikken op ‘toon alle resultaten’ om naar de contextinterpretatie en zekerheidsscore van de andere vermeldingen te kijken.
Labels en zekerheidsscores in het 'patiëntencohorten' scherm
Over 1 patiënt kunnen meerdere verslagen geschreven zijn waarin de medische conditie genoemd is waar jij op zoekt. CTcue toont standaard maar 1 gekleurde bol en 1 zekerheidsscore per patiënt in de kolom die bij je ‘Verslagen’ zoekterm hoort. Deze wordt gekozen op basis van zekerheidsscore: de vermelding met de hoogste zekerheidsscore, belandt in de patiëntencohorten tabel.
Het kan dus zo zijn dat over 1 patiënt meerdere verslagen zijn geschreven waarin ‘diabetes’ vermeld wordt, en dat het geselecteerde label en de score anders is per verslag. Je kan alle verslagen, labels en scores inzien door naar het patiënten validatiescherm te navigeren en daar de contextinterpretatie per verslag en vermelding te bekijken.
Filteren op geselecteerd label (afwezig, onzeker, aanwezig)
Het filteren op geselecteerde label (toepasselijkheid) is bij Verslagen te vinden onder de filterknop (). Onder het kopje ‘Toepasselijkheid’ is standaard de optie ‘toepasselijkheid groepen’ geselecteerd in het drop-down menu.
Maak gebruik van de checkboxen om te selecteren op welke groep patiënten je wilt filteren: de groep waarbij de medische conditie waar je naar zoekt afwezig, onzeker en/of aanwezig is.
Let op! Filtering vindt plaats op basis van de vermelding van het medische conditie in 1 verslag met de hoogste zekerheidsscore. Als voor een patiënt 1 verslag is geschreven met een vermelding waarbij CTcue denkt dat de conditie aanwezig is (zekerheidsscore van 98%), maar er is ook een ander verslag geschreven met een vermelding waarbij de NLP algoritmes van CTcue denken dat de conditie afwezig is (zekerheidsscore van 2%), dan blijft de patiënt in je patiëntencohorten tabel staan na het toepassen van de filter ‘aanwezig’. De score 98% is hoger dan 2%.
Filteren op de zekerheidsscore
Je kan ook verfijnder filteren op basis van de berekende zekerheidsscore. Je klikt op het knopje () bij de verslagkolom. Selecteer in het dropdown-menu onder ‘Toepasselijkheid’ “Percentages”. Je bent nu niet meer afhankelijk van de voorgedefinieerde percentages voor de afwezig, onzeker en aanwezig labels, maar kan bijvoorbeeld strenger filteren.
Als je op patiënten wil filteren waarvan CTcue nóg zekerder is dat de medische conditie afwezig is, stel je de percentages in van 0-10%.
Als je op patiënten wil filteren waarvan CTcue nóg zekerder is dat de medische conditie aanwezig is, stel je de percentages in van 90-100%.
(Experimenteel) Verslagen Plus
Met de Verslagen Plus zoekterm kan je in de Patient Finder en de Data Collector module van CTcue gebruik maken van AI-geassisteerd zoeken.
Zorg ervoor dat je de 'AI-geassisteerd zoeken’ slider hebt aangezet en dat je met een ‘Inhoud’ filter aangeeft waar je naar wilt zoeken in het verslag als je gebruik wil maken van AI-geassisteerd zoeken. Wij gebruiken ‘Diabetes’ + 13 synoniemen als voorbeeld.
Contextinterpretatie en zekerheidsscore filters aanzetten
Zorg er eerst voor dat het schuifje van ‘AI geassisteerd zoeken’ groen is. Vervolgens kan je op de tekst ‘van toepassing op patiënt’ klikken en kiezen je of de conditie van toepassing moet zijn op de patiënt of niet: moet de patiënt volgens contextinterpretatie wél of juist geen diabetes hebben (gehad)? Wat je kiest in dit dropdown menu, heeft gevolgen voor hoe je de labels ‘irrelevant’, ‘onzeker’ en ‘relevant’ en de zekerheidsscore moet interpreteren.
Daarna voeg je met ‘Filter toevoegen’ het filter ‘Zekerheid’ toe. Na het toevoegen van het filter ‘Zekerheid’ worden de filteropties zichtbaar zoals op de tweede afbeelding hieronder.
Labels: rode, oranje en groene bollen - irrelevant, onzeker, relevant
Als de tekstverwerking aan staat in ‘Verslagen Plus’ zoektermen, vind je in het 'Resultaat preview' scherm, in de patiëntencohorten tabel en in het patiënt validatiescherm rode, oranje of groene bollen met daarnaast de zekerheidsscore. Met de filter ‘zekerheid’ kan je selecteren welke verslagen je wel of niet wil zien in je zoekresultaten.
Afhankelijk van of je ‘conditie van toepassing op patiënt’ of ‘conditie niet van toepassing op patiënt’, betekenen de labels irrelevant, onzeker en relevant iets anders.
Je hebt ‘conditie van toepassing op de patiënt’ geselecteerd
Als je deze optie hebt geselecteerd, dan betekent dit dat we op zoek gaan naar patiënten die volgens CTcue’s contextinterpretatie bijvoorbeeld wél diabetes hebben (gehad).
- Rode bol: irrelevant – zekerheidsscore ≥ 0 ≤ 39%
Volgens de contextinterpretatie van CTcue staat in de zin dat de patiënt niet aan de medische conditie lijdt waar je met de filter ‘inhoud’ op zoekt. Bijvoorbeeld: “Patiënt heeft geen diabetes” of “DM: -“.
Hoe lager de zekerheidsscore is (dichter bij 0%), hoe zekerder CTcue is dat de NLP algoritmes de juiste conclusie ‘irrelevant’ hebben getrokken na contextinterpretatie.
Let op! Je kan aan de zoekterm een ‘paragraaf’ filter toe hebben gevoegd, waarmee je hebt ingesteld dat ‘diabetes’ in de paragraaf ‘conclusie’ moet staan. Als CTcue wel “patiënt heeft diabetes” in de tekst ziet staan (= van toepassing op de patiënt), maar dit staat niet in een paragraaf conclusie, wordt alsnog het label ‘irrelevant’ geselecteerd. - Oranje bol: onzeker – zekerheidsscore ≥ 40 ≤ 69%
CTcue weet n.a.v. contextinterpretatie niet zeker of de patiënt nou wel of niet aan de medische conditie lijdt. - Groene bol: relevant – zekerheidsscore ≥ 70 ≤ 100%
Volgens de contextinterpretatie van CTcue staat in de tekst dat de patiënt wel aan de medische conditie lijdt waar je met de filter ‘inhoud’ op zoekt. Bijvoorbeeld: “patiënt heeft diabetes” of “DM: +”.
Hoe hoger de zekerheidsscore is (dichter bij 100%), hoe zekerder CTcue is dat de NLP algoritmes de juiste conclusie ‘relevant’ hebben getrokken na contextinterpretatie.
Als je over de rode, oranje en groene bollen zweeft met je muis, wordt respectievelijk het label irrelevant, onzeker en relevant getoond. De zekerheidsscore wordt rechts van de gekleurde bollen weergegeven.
Je hebt ‘conditie niet van toepassing op de patiënt’ geselecteerd
Als je deze optie hebt geselecteerd, dan betekent dit dat we op zoek gaan naar patiënten die volgens CTcue’s contextinterpretatie bijvoorbeeld géén diabetes hebben (gehad).
- Rode bol: irrelevant – zekerheidsscore ≥ 0 ≤ 39%
Volgens de contextinterpretatie van CTcue staat in de zin dat de patiënt wel aan de medische conditie lijdt waar je met de filter ‘inhoud’ op zoekt. Bijvoorbeeld: “Patiënt heeft diabetes” of “DM: +“.
Hoe lager de zekerheidsscore is (dichter bij 0%), hoe zekerder CTcue is dat de NLP algoritmes de juiste conclusie ‘irrelevant’ hebben getrokken na contextinterpretatie.
Let op! Je kan aan de zoekterm een ‘paragraaf’ filter toe hebben gevoegd, waarmee je hebt ingesteld dat ‘diabetes’ in de paragraaf ‘conclusie’ moet staan. Als CTcue wel “patiënt heeft geen diabetes” in de tekst ziet staan (= niet van toepassing op de patiënt), maar dit staat niet in een paragraaf ‘conclusie’, wordt alsnog het label ‘irrelevant’ geselecteerd. - Oranje bol: onzeker – zekerheidsscore ≥ 40 ≤ 69%
CTcue weet n.a.v. contextinterpretatie niet zeker of de patiënt nou wel of niet aan de medische conditie lijdt. - Groene bol: relevant – zekerheidsscore ≥ 70 ≤ 100%
Volgens de contextinterpretatie van CTcue staat in de tekst dat de patiënt niet aan de medische conditie lijdt waar je met de filter ‘inhoud’ op zoekt. Bijvoorbeeld: “patiënt heeft geen diabetes” of “DM: -”.
Hoe hoger de zekerheidsscore is (dichter bij 100%), hoe zekerder CTcue is dat de NLP algoritmes de juiste conclusie ‘relevant’ hebben getrokken na contextinterpretatie.
Een aangepast bereik van de zekerheidsscores toewijzen aan de labels
Hierboven omschrijven wat de standaardinstellingen zijn voor het selecteren van het label, op basis van de zekerheidsscore. Door met de percentageverdeling te spelen per label, kun je bepalen welke vermeldingen van de medische conditie in verslagen het label relevant, onzeker of irrelevant krijgen. Dit kan op 2 manieren.
Let op! Het is hierbij vooral belangrijk dat je eerst feeling krijgt bij de resultaten die met de standaardinstellingen uit de zoekopdracht komen, de prestaties van de contextinterpretatie en de zekerheidsscore die berekend wordt. Lees hier meer over onder ‘Resultaten filteren op geselecteerd label of de zekerheidsscore’.
Binnen het filter ‘Zekerheid’ kun je gebruik maken van de slider met de kleuren rood, oranje en groen om het bereik aan te passen.
De percentages bij ‘Irrelevant’, ‘Onzeker’ en ‘Relevant’ komen overeen met de hoeveelheid rood, oranje en groen die je ziet in de slider erboven. Je kan de percentagevakjes naast ‘Onzeker’ ook gebruiken worden om het bereik van de zekerheidsscore per label aan te passen.
Weergave labels en zekerheidsscores in CTcue
Scroll naar boven in het gedeelte over ‘Verslagen’ zoektermen om te zien hoe labels en zekerheidsscores weergegeven worden in de verschillende schermen binnen CTcue. De labels zijn iets anders bij Verslagen Plus zoektermen (relevant, onzeker, irrelevant i.p.v. aanwezig, onzeker, afwezig), maar het ziet er hetzelfde uit en werkt hetzelfde.
Filteren op basis van geselecteerd label of zekerheidsscore
Basisfilters: in ‘Patiëntencohorten’ en ‘Data validatie’
In het patiëntencohorten scherm kan je op dezelfde manier als met een ‘Verslagen’ zoekterm instellen welke patiënten in het overzicht getoond moeten worden. Je kan hierbij filteren op het geselecteerde label, of op het percentage van de zekerheidsscore.
Lees meer onder de kopjes:
- Labels en zekerheidsscore in het ‘Patiëntencohorten’ scherm - filteren op geselecteerd label
- Labels en zekerheidsscore in het ‘Patiëntencohorten’ scherm - filteren op zekerheidsscore
Als je op een vergelijkbare manier wil filteren in het ‘Data validatie’ scherm, moet je zorgen dat je de data validatie labels hebt aangezet in jouw project.
Let erop dat de labels relevant, onzeker en irrelevant en de zekerheidsscores anders geïnterpreteerd en gebruikt moeten worden, afhankelijk van of je je Verslagen Plus zoekterm hebt ingesteld op ‘conditie van toepassing op de patiënt’ of ‘conditie niet van toepassing op de patiënt’!!
Geavanceerd filteren: niet relevante vermeldingen en verslagen van te voren uitsluiten van je zoekresultaten
De checkboxes en vinkjes in het filter ‘Zekerheid’, voor de groepen ‘Irrelevant’, ‘Onzeker’ en ‘Relevant’ kun je gebruiken om te kiezen welke groep(en) vermeldingen van je medische conditie je wel of niet terug wilt zien in je zoekresultaten.
Wanneer we bijvoorbeeld alleen ‘Relevant’ aanvinken, dan komen er géén verslagen naar boven in de zoekresultaten waar alleen maar vermeldingen van de medische conditie in staan met een zekerheidsscore die hoort bij de labels ‘Irrelevant’ en ‘Onzeker’. Dat kan tijd schelen tijdens het valideren van patiënten of data, of het valideren deels automatiseren omdat meer patiënten en verslagen bij voorbaat niet getoond worden in de zoekresultaten.
Dit wordt geïllustreerd in het screenshot hieronder:
We hebben twee Verslagen Plus zoektermen gebouwd, waarbij we zoeken op ‘Diabetes of synoniemen is van toepassing op de patiënt'. Bij 1 zoekterm hebben we geen filtering o.b.v. label toegepast (links), bij de ander is alleen ‘Relevant’ aangevinkt (rechts). Je ziet dat het aantal verslagen dat gevonden wordt per patiënt wezenlijk kan verschillen.
Let op! Als je een paragraaf’ filter hebt toegepast op je Verslagen Plus zoekterm, en je medische conditie wordt niet onder deze paragraaftitel genoemd of de NLP algoritmes herkennen de paragraaftitel in het verslag niet, wordt het label ‘irrelevant’ standaard geselecteerd.
Let op! Dit betekent dus dat je, door een selectie te maken op basis van label, niet kunt controleren welke vermeldingen en verslagen er gevonden worden voor de andere twee groepen. Maak daarom een goede afweging of het echt niet nodig is om de andere groepen te zien. Zorg ervoor:
- Dat je zeker weet dat de zekerheidsscores per label juist staan ingesteld.
- Dat je niet zoekt op een medische conditie waarvan je kunt genezen of die over kan gaan.
Een patiënt kan 2 jaar geleden diabetes mellitus type II hebben gehad, maar heeft dit sinds 1,5 jaar niet meer. Misschien is het voor jouw project belangrijk dat de patiënten in het afgelopen jaar diabetes mellitus type II hadden. Er kunnen voor onze voorbeeldpatiënt twee verslagen in het EPD staan: in een oud verslag van 2 jaar geleden staat dat de patiënt diabetes type 2 heeft (relevant). In het nieuwere verslag van 4 maanden geleden staat dat de patiënt geen diabetes heeft (irrelevant). Als je het label ‘Irrelevant’ hebt uitgevinkt, dan krijg je dit nieuwere verslag met relevante, recente informatie niet te zien in de resultaten van je zoekterm. Je kan dan foute aannames maken over deze patiënt op basis van alleen het eerste, oude verslag: de patiënt heeft nog steeds diabetes type II, maar is in werkelijkheid genezen.