Managing Vocabulary for a Centralized Clinical System James J. Cimino, MD; Stephen B. Johnson, PhD; George Hripcsak, MD; Claire L Hill, MA; Paul D. Clayton,

Présentation au sujet: "Managing Vocabulary for a Centralized Clinical System James J. Cimino, MD; Stephen B. Johnson, PhD; George Hripcsak, MD; Claire L Hill, MA; Paul D. Clayton,"— Transcription de la présentation:

1 Managing Vocabulary for a Centralized Clinical System James J. Cimino, MD; Stephen B. Johnson, PhD; George Hripcsak, MD; Claire L Hill, MA; Paul D. Clayton, PhD Department of Medical Informatics - Columbia University New York, New York, USA

2 Gérer Vocabulaire pour un Système Médical Centralisé James J. Cimino, MD; Stephen B. Johnson, PhD; George Hripcsak, MD; Claire L Hill, MA; Paul D. Clayton, PhD Départment dInformatique Médical - Columbia University New York, New York, USA

3 Gérer Vocabulaire por un Système Médical Centralisé: Technique Automatique de Knowledge-Base Posser la Théorie en Usage

4 Système Distributif

5 Dêpot Clinique Central (Fantaisie)

6 Dêpot Clinique Central (Realité)

7 Contrôle Central du Vocabulaire

8 Construction du Vocabulaire Compréhension Modelage Création Maintenance

9 La Théorie: Lapproche knowledge-based à la representation améliorerais la maintenance et la utilisation.

10 Medical Entities Dictionary (MED) La réseaux semantique La multiple hiérarquie La representation Frame-based concept 46,000 concepts

11 MED: La Structure Medical Entity SubstanceLaboratory Specimen Event Laboratory Test Laboratory Procedure CHEM-7 Plasma Glucose Plasma Specimen Anatomic Substance Bioactive Substance Glucose Plasma Chemical Carbo- hydrate Substance Sampled Part of Has Specimen Substance Measured Diagnostic Procedure

12 K + 1 = 4.2 K + 1 = 3.3 K + 2 = 3.2 K + 1 = 3.0 K + 3 = 2.6 Récupération de Résultat Individuel K+1K+1 K+2K+2 K+3K+3

13 K + 1 = 4.2 K + 1 = 3.3 K + 2 = 3.2 K + 1 = 3.0 K + 3 = 2.6 Récupération de Résultat par Classe K+1K+1 K+2K+2 K+3K+3 K

14 Tâche de Maintenance Le nouveau vocabulaire (Laboratoire) Le changement du vocabulaire (Pharmacie)

15 Le Nouveau Vocabulaire Primitif lab: 2533 termes Nouveau lab: 5291 termes Distribuition: Juin 15, 1994 Activation: Juillet 24, 1994

16 Changement du Vocabulaire Commence avec 2091 drogues En deux années, laddition de 2327 drogues Classification: –Ingrédient –AHFS Classe –Allergie –DEA –Forme

17 Laddition des Termes Nouveaux Identification de termes superflus Addition de termes nouveaux dans les classes existant Addition de nouvelles classes

18 Laddition des Termes dans une Classe Théorie: On peux utilisé les attributs du nouveau terme pour la identification des classes Usage: Pousser en Termes

19 Pousser en Terme Medical Entity Laboratory Test Plasma Glucose Test Bioactive Substance Glucose Carbo- hydrate Chemistry Test Chem-7 Glucose Test Stat Glucose Test Chem-20 Glucose Test Stat Glucose Test Stat Glucose Test Chemical

20 La Création des Classes Théorie: On peux découvrir le modéle de lattribute que on identifié les classes potentiel Usage: Partition recursive des classes qui existent

21 La Découvert de Classes Nouveaux Medical Entity Laboratory Test Hepatitis B Core Antigen Chemical Chemistry Test Core Antigen Hepatitis B Core Antigen Test HBC Antigen Medical Entity Laboratory Test Hepatitis B Core Antigen Chemical Chemistry Test Core Antigen HBC Antigen

22 screen shot: MED Editor

23 screen shot: MED Editor proposing a new class

24 Maintenance Semi-automatique Traverser la liste des drogues Identifier de nouvelles drogues Faire la connection de drogues aux ingrédiants Suggérer la classe preparation Ajouter une drogue nouvelle sur la supervision de lhomme

25 Classification Interatif Adding "LASIX 20MG TAB" Generic Ingredient "FUROSEMIDE" AHFS Class "DIURETICS" Add to "FUROSEMIDE PREPARATION"? y Adding "ZAROXOLYN 5MG CAP" Generic Ingredient "METOLAZONE" AHFS Class "DIURETICS" Add to "DIURETICS"? n Create METOLAZONE PREPARATION" Class? y

26 Classification Automatique Medical Entity Drug Pharmacologic Substance Sulfameth- oxizole Chemical Antibiotic Bactrim "S1", "65" Trimethoprim/ Sulfamethoxizole Preparations Trimeth- oprim Septra "S1" Sulfa Allergy "S1" Allergy Class Trimethoprim Allergy "65"

27 Statistique de Correction Entre les 2091 drogues originaux: –334 avec classes –289 avec classes multiples –173 sans allergies Entre les 2327 drogues additionelles: –28 avec classes –141 avec classes multiples –57 sans allergies

28 La Direction Future: Web-Browser Independence de plateforme Disponible partout

29 screen shot: Web

30 La Direction Futur: X-Based Browser/Editor Lutilisation du vocabulary server Plusieurs éditeurs au même temps Prêt à usage

31 screen shot: Accessmed

32 La Direction Future: K-Rep Un produit IBM Comprendre lapproche Knowledge-base Subsumption des termes automatique La application de la recherche en direction à la realité du monde

33 screen shot: K-Rep

34 Limpact de la Théorie en Usage: Mieux Administration Plus facile de fusionner le nouveaux vocabulaire Administration automatique Améliorer la qualité du vocabulaire

35 Limpact de la Mieux Administration: Le Vocabulaire Plus Util MED est courant par les systèmes departmentaux Cest facile de trouver une MED terme Supporte les multiple niveaux des concepts Mielleur précision dans les database questions

36 Voir pour vous même http://www.cpmc.columbia.edu/homepages/ciminoj