人们越来越意识到，金融不稳定和住房无保障等社会风险因素会影响健康。然而，与诊断代码、处方信息、实验室或其他测试报告不同，社会风险因素是不一致的...人们越来越认识到，金融不稳定和住房无保障等社会风险因素会影响健康。然而，与诊断代码、处方信息、实验室或其他测试报告不同，社会风险因素不符合患者电子病历中的标准化和受控条款，这使得难以从普遍存在的临床记录中提取这些信息。

一项新的研究发现，里根·斯特雷夫研究所和印第安纳大学的理查德·米德多特；M & middot费尔班克斯公共卫生学院的信息科学家开发的自然语言处理(NLP)系统在移植到新的卫生系统并在超过600万份临床记录上进行测试时，表现出了优异的性能。我在佛罗里达遇到的一个病人。对性能的通用性和可移植性进行评估，其定义为在新环境中部署软件并更新其使用以满足新数据需求时的易用性和准确性。

& ldquo社会因素对我们的健康有很大的影响。这项研究的高级作者Regentry和印第安纳大学费尔班克斯学院的教员克里斯·月读博士说，这不仅是我们接受的医疗保健，而且我们生活的地方、工作的地方以及我们获得食物、交通和其他资源的机会都有重大影响。

& ldquo对于提供医疗服务的临床医生和卫生系统来说，了解人们的社会风险因素非常重要，这样他们在开药、安排检查或计划手术时就可以更好地对整个人进行治疗& mdash& mdash使用低成本药物或替代资源进行治疗是可能的。测试还可以将他们与服务联系起来，以帮助满足他们对安全生活场所和健康食品的需求。& rdquo

在这项研究中，基于NLP规则模型，研究人员在患者电子健康记录的临床记录中搜索医生或其他临床医生撰写的文本，寻找可能表明住房困难(例如，患者在一个新的完全不同的地理区域的医疗保健系统中缺乏永久地址)或经济需求(例如，他们负担不起后续护理)的关键词或短语。

尽管存在挑战(例如，无家可归者收容所的名称没有表明设施的功能、区域差异或当地语言的细微差异)，但研究科学家已经证实，与人工审计的黄金标准相比，NLP模型在经过相对简单的修改后，可以提供高度准确的性能。