2022
DOI: 10.1101/2022.01.17.22269400
|View full text |Cite
Preprint
|
Sign up to set email alerts
|

Use of unstructured text in prognostic clinical prediction models: a systematic review

Abstract: Objective: This systematic review aims to assess how information from unstructured clinical text is used to develop and validate prognostic risk prediction models. We summarize the prediction problems and methodological landscape and assess whether using unstructured clinical text data in addition to more commonly used structured data improves the prediction performance. Materials and Methods: We searched Embase, MEDLINE, Web of Science, and Google Scholar to identify studies that developed prognostic risk pre… Show more

Help me understand this report
View published versions

Search citation statements

Order By: Relevance

Paper Sections

Select...
1
1

Citation Types

0
0
0
2

Year Published

2022
2022
2023
2023

Publication Types

Select...
3

Relationship

0
3

Authors

Journals

citations
Cited by 3 publications
(2 citation statements)
references
References 139 publications
0
0
0
2
Order By: Relevance
“…МИС можно рассматривать как шаг к созданию нового типа облачной ЭМК с динамическим накоплением и постобработкой данных [7]. Извлечение ретроспективных данных из неструктурированных документов может использоваться для построения прогностических моделей и разработок программ профилактики [8].…”
Section: Discussionunclassified
“…МИС можно рассматривать как шаг к созданию нового типа облачной ЭМК с динамическим накоплением и постобработкой данных [7]. Извлечение ретроспективных данных из неструктурированных документов может использоваться для построения прогностических моделей и разработок программ профилактики [8].…”
Section: Discussionunclassified
“…Im klinischen Alltag werden Informationen vielfach auch als unstrukturierte Textdaten wie klinische Notizen, Arztbriefe oder (Radiologie-)Berichte gespeichert. Diese haben das Potenzial, die Performanz von ML-basierten Risikovorhersagesystemen zu verbessern, und zwar durch die Integration der zusätzlichen Informationen [19]. Erste Arbeiten konnten bereits im Bereich AKI zeigen, dass semistrukturierte Daten zum Training vom ML-System erfolgreich eingesetzt werden können [20].…”
Section: Deep Learning Und Aki-risikounclassified