真实世界研究（Real-Word Studies, RWS）是指以参与者在日常临床实践中遇到的真实情况为基础的研究。要得到精准的研究结果，往往需要高质量的结构化数据。面对海量的文本数据，我们如何得到高质量的结构化数据呢，今天就给大家分享一个简单高效的数据处理方法。
01
RWS的数据源分析
现有数据来源主要包含：
1、电子病历(electronic medical record, EMR)
2、电子健康档案(electronic health record, EHR)
3、医保数据(claims data)
4、出生死亡登记
5、公共健康监测数据以及区域化
6、医疗数据等
研究者需要从参与者的病历中提取关键信息，以便更好地了解病人的情况及治疗效果。
1、基本信息：如年龄、性别、病史、家族病史等。
2、诊断信息：疾病诊断、病情描述、患者主诉等。
3、治疗信息：治疗计划、药品治疗、手术治疗等。
4、观察数据：如血压、血糖、体温等数据。
5、病情进展：疾病的演变过程、症状的变化等。
6、不良反应：药物不良反应、手术后并发症等。
7、质量指标：如病人就医满意度、治疗有效性等指标。
以上信息仅仅是提取病例信息的一部分，具体的提取方式和信息内容还需要根据研究的目的和问题进行确定。
02
数据的结构化处理
需要的信息往往都隐藏在这些文本中，无法直接用于统计研究。如何做从这些文本中提取出我们需要的信息呢？传统方法是人工或者使用自然语言处理的工程学方法，这两种方法的成本往往是比较高的。
现在有没有比较简单的和可行的方案呢？
今天我们就以上面的文本为例，使用"知否AI"进行数据的结构化处理。
下面是一段摘自"丁香园"的一段病例信息：
患者，女性，75岁。
主诉"咳嗽、咳痰、发热1周，胸闷、呼吸困难5天"。 患者1周前受凉后出现流涕、鼻塞、咽痒，咳嗽、咳黄痰，发热，最高体温38.0℃，伴畏寒、寒战。5天前患者出现胸闷，位于胸骨中段后，呈压迫样，持续性发作，并逐渐出现呼吸困难。服用了复方氨酚烷胺颗粒、头孢克肟。 无胸背痛，无咯血，无腹痛、腹胀、腹泻，无呕吐、头痛，无肢体偏瘫等。 患者既往有"高血压病"等病史。 入院时查体：体温38.0℃，脉搏84次/分，呼吸22次/分，血压122/70mmHg。指尖脉氧98%。清醒，对答切题。颈静脉怒张。双肺呼吸音粗，双肺可闻及较多湿性罗音，未闻及干罗音。心界无扩大，律齐，心音低钝，未闻杂音。双下肢无水肿。腹部、神经系统查体（-）。 化验室检查： 超敏肌钙蛋白T：>50000 pg/ml(0-34.2)。 CK-MB：184.7 U/L(0-25)；CK：2671 lU/L(25-173)。 pro-BNP 22063.1 pg/ml。 D-二聚体：4567 ug/L(0-1000)。 血气分析：pH：7.3，PCO2: 34mmHg，PO2: 71mmHg，HCO3: 27.2mmol/L，乳酸：1.1mmol/L。 血常规：白细胞6.66x10^9/L，中性粒细胞百分数82.1%(50-70)，淋巴细胞百分数9.9%(20-40)，血红蛋白111g/L，血小板110x10^9/L。 超敏C反应蛋白：100 mg/L(0-10)。降钙素原正常。 生化：血钾：3.84mmo/L。肌酐119 umol/L。 肝功能： AST：326 lU/L；ALT：117 lU/L；血清血蛋白：32.1 g/L。 血糖、血脂、甲功能均未见明显异常。
今天我们就以上面的文本为例，使用知否AI进行数据的结构化处理。
我们采用的处理思路是，从整体到部分，从粗到细的处理策略。
1、大类别抽取
我们输入，抽取年龄、性别、需要鉴别的疾病、病史、家族病史、疾病诊断、病情描述、患者主诉、治疗计划、药品治疗、手术治疗、不良反应、手术后并发症、病人就医满意度、治疗有效性、实验室检验
以表格的形式展示，表头为内容和结果。
2、针对每一个类别进行精细化抽取
(1)、提取实验室检验
(2)、抽取病情和和主诉
(3)、抽取现病史和既往史
(4)、抽取用用药信息
您可以打开"知否AI"自己体验一下，可以输入"请帮我抽取用药信息，以表格形式展示+您要抽取的文字"。就可以得到想要的内容了。
03
真实世界研究的展望
当今医学研究的一个趋势是真实世界研究（Real-world evidence，RWE）。与以往的临床试验相比，RWE更好地反映了真实世界中疾病和治疗方案的真实情况，具有更广泛的应用价值。未来，随着RWE技术和方法的不断升级和完善，它将在评估治疗效果、制定健康政策和指南、支持药品审批和监管等方面发挥更为重要的作用。
在真实世界研究中，重症患者的治疗效果仍然是一个亟待解决的问题。在新兴的细分领域，如精准医学、个性化医疗和数字医疗等，RWE也将发挥至关重要的作用，为患者提供更为精准和个性化的治疗方案，让患者最大程度地获益。
总的来说，真实世界研究的应用前景十分广阔，将在医疗治疗、药品审批和监管、健康政策和指南制定等方面发挥着越来越重要的作用，促进医疗研究的不断推进和进步，为广大患者提供更为精准、有效的医疗服务。
以上的截图均来源于我们的AI助手: 知否AI问答，如果大家有兴趣可以点击链接查看，微信扫码直接登录，无需其他复杂验证，新用户可免费试用。