Teksten uit verslagen, formulieren en brieven bevatten vaak klinische metingen. Dit kan gaan om metingen die goed gestructureerd staan opgeslagen (bijvoorbeeld LDL-cholesterol) en om metingen die vaker alleen in tekst voorkomen zoals de Gleason score, FEV1 waarde of ejectiefractie. De tekst analyse van CTcue vindt dit soort metingen en zet het om naar gestructureerde metingen waarop je numeriek (en met afkapwaardes) kan zoeken.
Om de metingen goed te extraheren moet met allerlei zaken rekening gehouden worden. Zo willen we bijvoorbeeld niet dat in de tekst genoemde normaalwaarden ‘LDL van 2.2 (2.1 - 2.8)’ als metingen worden gezien. Hetzelfde geldt voor streefwaarden. Deze moeten dus worden herkend als dusdanig en overgeslagen. Ook zijn er referenties naar metingen in tekstuele vorm, zoals bijvoorbeeld ‘lage ejectiefractie’. Deze worden dan in genormaliseerde vorm gestructureerd onder de filter ‘textual value’.
Werkt dit voor alle metingen?
Dit mechanisme werkt helaas nog niet voor alle metingen in alle ziekenhuizen even goed. Hieronder vind je een lijst van metingen die het overal goed doen. Maar bijvoorbeeld de POPQ scores zullen het in het ene ziekenhuis wel goed doen, en in het andere veel minder goed. Dit heeft te maken met de variatie van patronen over verschillende ziekenhuizen. Je kan voor je meting dus altijd kijken hoe goed dit al dan niet lukt voor jouw eigen project, wees niet bang om het uit te proberen! Mocht jouw meting er niet goed uitkomen kan je ons dat altijd laten weten via support@ctcue.com. De eerstvolgende keer dat we het extraheren van metingen dan updaten nemen we je input mee. Een grote update vindt gemiddeld twee keer per jaar plaats. Onderaan dit artikel vind je een lijst van metingen die goed uit tekst geëxtraheerd worden.
Deze metingen hebben vaak ook een genormaliseerde benaming ‘normalized name’, wat betekent dat ze - onafhankelijk van hoe ze in de tekst genoemd worden - een extra genormaliseerde naam krijgen. Hier kan met de filter ‘normalized name’ in de applicatie op gezocht worden. Je hoeft dan geen synoniemen meer in te vullen.
Hoe werkt dit?
In de tekst worden tags gegeven aan alle woorden. Hierbij komt ‘geen meting’ natuurlijk het vaakste voor. Verder wordt er getagd wat een waarde is, een naam, een tekstuele waarde, een streefwaarde of normaalwaarde. Ook wordt aangegeven wat het begin van een meting is.
Nadat deze tagging is gedaan worden alle woorden met een meting tag vanaf het begin van een meting tot het begin van een volgende meeting gepakt, en wordt de meting gestructureerd. Dit kan tot meerdere metingen leiden, zoals in het voorbeeld ‘FEV1 2.2 L (98% pred)’. Hier komt dan een meting uit met waarde 2.2 en unit liter, en een meting met waarde 98 en unit %.
Hoe kan ik zoeken naar metingen in de vrije tekst?
Let op! op dit moment doorzoekt CTcue alleen teksten uit verslagen om daarin metingen te herkennen en detecteren. Teksten in formulieren, orderteksten, diagnosecommentaren etc. worden nog niet doorzocht op metingen door CTcue.
- Voeg een 'metingen' zoekterm toe aan je criteria in de patient finder of je vraag in de data collector.
De standaardinstelling is dat CTcue met een een 'metingen' zoekterm zoekt in zowel de gestructureerde metingen uit het lab als in de tekst. - Met het filter 'Naam' kan je instellen op welke type meting je wil zoeken.
Bijvoorbeeld glucose, TNM stagering, LDL cholesterol o.i.d. Wanneer 'extracted from text' bij de suggesties verschijnt, geeft dit aan dat deze meting ook gevonden wordt in tekst:
- Ga naar de filter 'herkomst van meting' onder het kopje 'diversen'.
Met deze filter kan je specificeren of je in metingen uit het lab en/of verslagteksten wil zoeken. Kies daarvoor één van de drie opties:- Lab & documenten (standaardinstelling)
CTcue doorzoekt gestructureerde labuitslagen en gedetecteerde en gestructureerde metingen uit verslagteksten - Documenten
CTcue doorzoekt alléén metingen die gedetecteerd en gestructureerd zijn uit metingen. Sommige metingen, zoals bijvoorbeeld TNM stagering of de Gleason sum score worden vaak alleen genoemd in de tekst, niet in het lab. - Lab
CTcue doorzoekt alleen gestructureerde labuitslagen. Denk bijvoorbeeld aan de uitslag van een PCR test, een glucose meting, LDL cholesterol in het bloed etc. Uitslagen van deze testen zijn nooit vrije tekstvelden.
- Lab & documenten (standaardinstelling)
- Gebruik de filters onder het kopje 'meetresultaten' om aan te geven wat de uitslag van de meting uit tekst moet zijn.
Voor de TNM-T stagering kan je bijvoorbeeld onder het filter 'tekstuele waarde' aangeven dat dit T3 of T4 moet zijn. Als je een dergelijke filter instelt, gaat CTcue zoeken a.d.h.v. de waarde van de meting die het kunstmatige intelligentie algoritme heeft gekoppeld aan de meting.
Hoe herken ik een meting uit tekst of lab in CTcue?
In de resultaat preview en in de verschillende validatieschermen zal het volgende te zien zijn. Klik op het plaatje om deze te vergroten:
De meting in de eerste regel van de tabel is door CTcue in de tekst herkend en gestructureerd. Dit is te zien aan het blok tekst onder 'glucose' in de kolom naam en onder de kolom 'herkomst van meting'. Hier is 'Document' ingevuld. De meting op de tweede regel komt uit de gestructureerde informatie van het lab.
Voor het herkennen van welke metingen is CTcue specifiek getraind?
6-minuten-looptest
Aandacht
Abstract
Abstract redeneren
ACQ score
Ademhalingsfrequentie
Agatston score
ALAT
Albumine
Alcoholgebruik
Alkalische fosfatase
Amylase
Annulusdilatatie
Antitrombine
Apgar score
Arterial pressure
ASAT
AVA
Basofielen
BBS score
begin zwangerschap
Beighton score
Bicarbonaat
Bilirubine
Birads score
Bloeddruk
Bloedverlies
BMI
Breslow dikte
Brighton criteria
Bulbena criteria
Calcitonine
Carbonaat
CHAD2DS2-VASC score
Chloor
Cholesterol
CO2
CORADS
C-reactief
DAS-28
D-dimeer
Desaturatie
Diameter
Diffusie
Dikte
Diurese
DLCO/sb
DLCO/va
DLCOc
ECOG performance status
eGFR
Eiwit/kreatinine
Eiwitspectrum
EMV
Endometriumdikte
Energie
Eosinofielen
Epworth sleepiness scale
Erytroblasten
Erytrocyten
Ferritine
FEV/FVC
FEV/SVC
FEV/VC
FEV1
Fibrinogeen
Fosfaat
fPSA/PSA
Framingham risk score
FVC
Geboortegewicht
Geheugensectie
Gewicht
Gewichtsverlies
Gleason score
Glucose
Glyceriden
GOLD klasse
Graad
Groeiwijze
Hartslag
HAS-BLED score
HbA1
HDL cholesterol
Hematocriet
Hemoglobine
HIV viral load
Homocysteine
IgA
IgG
IgM
iPSA
IPSS
IVS
IVSd
Kalium
Karnofskyscore
KCOc
Klachtenscore
Kreatinine
Kreatinineklaring
Lactaat
Lactose
LDH
LDL
LDL cholesterol
Lengte
Leukocyten
Lichaamslengte
Linker Atrium druk
Linker Ventrikel druk
Linker ventrikel ejectiefractie
Linker ventrikel functie
Lipoproteine
LVEDD
LVEDP
LVIDd
LVIDs
LVPWd
LWPW
Lymfocyten
Magnesium
MCHC
Mean
Mean airway pressure
MESA percentiel
Micro albumine
Monocyten
MRC score
Natrium
Nekomvang
Neutrofielen
NRS
NYHA-classificatie
O2 saturatie
Oestrogeenreceptor
Packyears
Perceptie
Performance score
Persmictie
Ph urine
PiP-RADS
PIRADS
POP-Q
Praxis
Progesteronreceptor
Prostaatvolume
Proteine
Proteinurie
Protrombinetijd
PSA densiteit
Qmax
Ratiospanwijdte
Rechter Atrium druk
Rechter Ventrikel druk
Rechter ventrikel ejectiefractie
Rechter ventrikel functie
Rectaal toucher
Redeneren
Refluxtijd
Rekenen
Residu
Reversibiliteit
risico
Schedelomvang
Serum
SIMMS classificatie
Sinustachycardie
Slagvolume
Sondelengte
Spanwijdte
Taalsectie
TAPSE
TAR
TBR
t-cellen
Temperatuur
Testosteron
Thyreoglobuline
Tiffeneau index
TIR
TLCOc
TNM stagering (volledig)
TNM-T
TNM-N
TNM-M
Transferrine
TRE volume
Triglyceriden
Trombocyten
Troponine
Ureum
VCmax
Verpleegdagen
Verwerkingssnelheid
Vmax
Volume
Vrij thyroxine
WHO performance score
wiggendruk
Z score
Zithoogte
Zwangerschapsduur