Frame Semantic Patterns for Identifying Underreporting of Notifiable Events in Healthcare: The Case of Gender-Based Violence
Created by
Haebom
Category
Empty
저자
Livia Dutra, Arthur Lorenzi, Lais Berno, Franciany Campos, Karoline Biscardi, Kenneth Brown, Marcelo Viridiano, Frederico Belcavello, Ely Matos, Olivia Guaranha, Erik Santos, Sofia Reinach, Tiago Timponi Torrent
개요
의료 분야에서 보고 의무가 있는 사건을 식별하기 위한 방법론을 제시한다. 이 방법론은 세밀한 패턴을 정의하고, 의료 기록의 개방형 텍스트 필드와 같은 비정형 데이터에서 이를 검색하기 위해 의미론적 프레임을 활용한다. 브라질 1차 진료소 방문 환자들의 e-의료 기록에서 성폭력(GBV) 보고 부족 문제를 해결하기 위해 이 방법론을 적용했다. 총 8개의 패턴을 정의하고 e-SUS APS에서 추출한 2100만 문장으로 구성된 말뭉치에서 검색했다. 언어학자들이 수동으로 결과를 평가하고 각 패턴의 정밀도를 측정했다. 결과적으로 방법론이 0.726의 정밀도로 폭력 보고서를 효과적으로 식별한다는 것을 확인했다. 투명하고, 효율적이며, 저탄소 배출 방식으로 설계되었으며, 언어에 구애받지 않는 파이프라인으로, 다른 건강 감시 컨텍스트에도 쉽게 적용할 수 있어 공중 보건 시스템에서 NLP의 더 넓고 윤리적이며 설명 가능한 사용에 기여한다.
시사점, 한계점
•
시사점:
◦
의미론적 프레임을 활용한 방법론을 통해 의료 기록에서 보고 의무가 있는 사건을 효과적으로 식별할 수 있음.
◦
성폭력(GBV) 보고 부족 문제를 해결하는 데 성공적으로 적용되었으며, 높은 정밀도를 보임.
◦
투명하고 효율적이며 저탄소 배출 방식으로 설계되어 다른 건강 감시 컨텍스트에 쉽게 적용 가능.
