Probabilistic emotion and sentiment modelling of patient-reported experiences

要約

この研究では、オンラインの患者体験の物語から患者の感情をモデル化するための新しい方法論を導入しています。
私たちはメタデータ ネットワーク トピック モデリングを使用して、Care Opinion から患者が報告した体験を分析し、患者と介護者の相互作用や臨床転帰に関連する主要な感情的テーマを明らかにしました。
私たちは、文脈的に意味のあるトピックを予測子として使用する単純ベイズ分類器を使用して、マルチラベル感情とバイナリ感情の両方を予測できる、確率的で文脈固有の感情レコメンダー システムを開発します。
ベースライン モデルと比較したこのモデルの下での予測感情の優れたパフォーマンスは、情報検索メトリクス nDCG および Q メジャーを使用して評価され、予測感情は 0.921 の F1 スコアを達成し、標準感情語彙を大幅に上回りました。
この方法は、患者のフィードバックを理解するための透明性があり、コスト効率の高い方法を提供し、従来の収集方法を強化し、個別の患者ケアに情報を提供します。
私たちの調査結果には、R パッケージとインタラクティブなダッシュボードを介してアクセスでき、医療研究者や医療従事者に貴重なツールを提供します。

要約(オリジナル)

This study introduces a novel methodology for modelling patient emotions from online patient experience narratives. We employed metadata network topic modelling to analyse patient-reported experiences from Care Opinion, revealing key emotional themes linked to patient-caregiver interactions and clinical outcomes. We develop a probabilistic, context-specific emotion recommender system capable of predicting both multilabel emotions and binary sentiments using a naive Bayes classifier using contextually meaningful topics as predictors. The superior performance of our predicted emotions under this model compared to baseline models was assessed using the information retrieval metrics nDCG and Q-measure, and our predicted sentiments achieved an F1 score of 0.921, significantly outperforming standard sentiment lexicons. This method offers a transparent, cost-effective way to understand patient feedback, enhancing traditional collection methods and informing individualised patient care. Our findings are accessible via an R package and interactive dashboard, providing valuable tools for healthcare researchers and practitioners.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google