Recuperação da informação de prontuários eletrônicos: um modelo de visualização de informação de medicamentos
Carregando...
Arquivos
Data
2023-07-03
Autores
Lima, Nathália Adriele de
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Resumo
O Prontuário Eletrônico do Paciente (PEP) é um modelo de software que moderniza a coleta, armazenamento e recuperação de informações médicas dos pacientes, incluindo dados de medicamentos. No entanto, a forma como as informações estão estruturadas não favorece a recuperação, pois a presença massiva de textos não estruturados nos prontuários médicos pode dificultar a recuperação de dados, afetando o tempo, a precisão e o entendimento dos dados. Pesquisas são necessárias para aprimorar a qualidade e a rapidez da recuperação de informações médicas, considerando o volume e a complexidade dos dados não estruturados. Este estudo reconhece a importância do entendimento desses dados de medicamentos por profissionais de saúde e propõe um modelo de recuperação e visualização de informações de medicamentos dos prontuários eletrônicos, utilizando Processamento de Linguagem Natural (PLN) e Grafos de Conhecimento. Entende-se que abordagens que utilizam esses métodos e ferramentas têm mostrado resultados promissores na recuperação e visualização de informações de medicamentos. Esta pesquisa destaca a necessidade de aprimorar a recuperação e integração de informações dos prontuários eletrônicos, ressaltando a importância desses dados, especialmente as informações de medicamentos. Modelos de PLN baseados em aprendizado profundo e o uso de grafos de conhecimento podem extrair, agrupar e vincular informações relevantes, melhorando a recuperação e visualização dos dados de medicamentos nos prontuários. Conclui-se que é fundamental continuar aprimorando os prontuários eletrônicos, e o uso de PLN e grafos de conhecimento pode contribuir para a recuperação e visualização de variadas informações médicas/sociais de pacientes, melhorando o sistema de saúde pública.
The Electronic Health Record (EHR) is a software standard that modernizes the collection, storage, and retrieval of patients' medical information, including medication data. However, the way the information is structured does not favor retrieval, as the massive presence of unstructured text in medical records can hinder data retrieval, affecting the time, accuracy, and understanding of the data. Research is needed to improve the quality and speed of medical information retrieval, considering the volume and complexity of unstructured data. This study recognizes the importance of understanding medication data by healthcare professionals and proposes a model for retrieving and visualizing medication information from electronic health records using Natural Language Processing (NLP) and Knowledge Graphs. It is understood that approaches using these methods and tools have shown promising results in the retrieval and visualization of medication information. This research highlights the need to improve the retrieval and integration of information from electronic health records, emphasizing the importance of this data, particularly medication information. NLP models based on deep learning and the use of knowledge graphs can extract, group, and link relevant information, improving the retrieval and visualization of medication data in health records. It is concluded that it is essential to continue improving electronic health records, and the use of NLP and knowledge graphs can contribute to the retrieval and visualization of various medical/social information of patients, thereby improving the public healthcare system.
The Electronic Health Record (EHR) is a software standard that modernizes the collection, storage, and retrieval of patients' medical information, including medication data. However, the way the information is structured does not favor retrieval, as the massive presence of unstructured text in medical records can hinder data retrieval, affecting the time, accuracy, and understanding of the data. Research is needed to improve the quality and speed of medical information retrieval, considering the volume and complexity of unstructured data. This study recognizes the importance of understanding medication data by healthcare professionals and proposes a model for retrieving and visualizing medication information from electronic health records using Natural Language Processing (NLP) and Knowledge Graphs. It is understood that approaches using these methods and tools have shown promising results in the retrieval and visualization of medication information. This research highlights the need to improve the retrieval and integration of information from electronic health records, emphasizing the importance of this data, particularly medication information. NLP models based on deep learning and the use of knowledge graphs can extract, group, and link relevant information, improving the retrieval and visualization of medication data in health records. It is concluded that it is essential to continue improving electronic health records, and the use of NLP and knowledge graphs can contribute to the retrieval and visualization of various medical/social information of patients, thereby improving the public healthcare system.
Descrição
Palavras-chave
Recuperação e visualização da informação, Prontuários eletrônicos do paciente, Informação de medicamentos, Processamento de linguagem natural, Grafos de conhecimento, Retrieval and visualization of information, Electronic patient records, Medication information, Natural language processing, Knowledge graphs
Como citar
LIMA, Nathália Adriele de. Recuperação da informação de prontuários eletrônicos: um modelo de visualização de informação de medicamentos. 2023. Dissertação (Mestrado em Ciência da Informação) - Faculdade de Filosofia e Ciências, Universidade Estadual Paulista (Unesp), Marília, 2023.