Automated Text-Extraction von Verletzungsdaten für Public-Health-Surveillance: Pilotprojekt Schweiz
Von KI ausgewählt und zusammengefasst
Worum es geht
Machbarkeitsstudie zur automatisierten Analyse von Narrativtexten aus pädiatrischen Notaufnahmeberichten mittels Fine-tuning eines Transformer-Modells für Mehrklassen-Klassifikation von Verletzungsmerkmalen.
Ergebnis
Interrater-Reliabilität steigerte sich von κ=0,45 (moderat) auf κ=0,73 (substanziell) nach Codierungssystem-Anpassung. Multi-Label-F1-Scores auf oberster Ebene: ALL 0,57, IND 0,64, VAR 0,63; auf tieferen Ebenen deutlich niedriger (Niveau 3: F1=0,08–0,23). Automated Prävalenzschätzungen korrelierten stark mit manuellen Annotationen (ρ=0,948). Erste Ergebnisse vielversprechend, aber robuste Validierung erforderlich.
Übertragbarkeit auf Deutschland
Schweiz, deutschsprachiger Raum, ähnliche Dokumentationssysteme
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.