23. Ulusal Cerrahi Kongresi

https://uck2024.org/Program#program

Yoğun bakımda hasta güvenliğinde zayıf halkalar

A Two-Stream Deep Model for Automated ICD-9 Code Prediction in an Intensive Care Unit

https://www.sciencedirect.com/science/article/pii/S2405844024019911

Volume 10, Issue 4, 29 February 2024, e25960

Research article

A two-stream deep model for automated ICD-9 code prediction in an intensive care unit

Author links open overlay panel, , 

Add to Mendeley

https://doi.org/10.1016/j.heliyon.2024.e25960Get rights and content

Under a Creative Commons license

open access

Highlights

• •

  A Two-Stream Deep Model is proposed for Automated ICD-9 Code Prediction in an Intensive Care Unit.

• •

  Multi-Stream Network Boost: Employing multi-stream network enhances ICD code prediction performance.

• •

  Tailored Stream Differentiation: Customizing streams for each ICD code optimizes prediction accuracy.

• •

  Synergy of Text and Numerical Methods: Integrating text and numerical techniques enhances ICD code prediction.

• •

  Token Length Significance: Token length's significance is evident in ICD prediction using NLP algorithms.

Abstract

Assigning medical codes for patients is essential for healthcare organizations, not only for billing purposes but also for maintaining accurate records of patients' medical histories and analyzing the outputs of certain procedures. Due to the abundance of disease codes, it can be laborious and time-consuming for medical specialists to manually assign these codes to each procedure. To address this problem, we discuss the automatic prediction of ICD-9 codes, the most popular and widely accepted system of medical coding. We introduce a two-stream deep learning framework specifically designed to analyze multi-modal data. This framework is applied to the extensive and publicly available MIMIC-III dataset, enabling us to leverage both numerical and text-based data for improved ICD-9 code prediction.

Our system uses text representation models to understand the text-based medical records; the Gated Recurrent Unit (GRU) to model the numerical health records; and fuses these two streams to automatically predict the ICD-9 codes used in the intensive care unit. We discuss the preprocessing and classification methods and demonstrate that our proposed two-stream model outperforms other state-of-the-art studies in the literature.

6. Discussion

ICD code prediction is a complex task due to the vast number of classes, but it can greatly benefit doctors by automating the process. The advantages of automatic ICD code prediction include disease detection, providing suggestions to doctors when entering their own procedure's ICD codes, and giving reminders to healthcare professionals regarding which tests to administer based on tests given to similar patients. However, this task is challenging due to the extensive number of ICD classes, the vast array of tests conducted at hospitals with missing data where not all tests are available for all patients, and the possibility of multiple diseases within a single patient.

This study introduces a novel two-stream method for ICD-9 code prediction, but there are notable limitations: reliance on the specific MIMIC-III dataset may limit generalizability, the model's performance could vary in more complex medical scenarios, and the method demands substantial computational resources. While a significant advancement, these limitations emphasize the need for future research to enhance its applicability and accuracy in diverse healthcare settings.

7. Conclusion

In this study, we analyzed a substantial dataset of adults in an intensive care unit and proposed preprocessing methods, as well as natural language and machine learning models, to predict the ICD-9 codes of patients based on this data. The primary objective of this research is to enhance the performance of NLP methods using text-based data by incorporating numerical data in a two-stream network. To achieve this, we proposed both text and numerical-based methods and combined them to create a model that achieved the best results. For the two-stream models, a ratio of 0.75 with GRU and KEPT-based models yielded the best micro F1 score.

As a result, our study provides an effective and comprehensive approach for achieving improved results in the multi-class classification task of ICD code prediction. This research holds significant potential in assisting medical professionals with accurate ICD code predictions, ultimately leading to better patient care and outcomes; however, its potential should still be investigated across other ICU units and even other countries.

Atlas of General Surgery -> Almanya Münih'te -> LMU Klinikum Kütüphanesi'nde

https://www.en.ub.uni-muenchen.de/about/profil/index.html 

Almanca Tıbbi İletişim 5. Baskı Çıktı!

https://turkiyeobjektif.com/haber/almanca_tibbi_iletisim_tip_doktorlari_icin_turkce-almanca_rehberin_5_ve_son_baskisi_cikti-48430.html 

https://aksarayhamle.com/haber/almanca_tibbi_iletisim_tip_doktorlari_icin_turkce-almanca_rehberin_5_ve_son_baskisi_cikti-28295.html

https://turkiyemedya.net/haber/almanca_tibbi_iletisim_tip_doktorlari_icin_turkce-almanca_rehberin_5_ve_son_baskisi_cikti-42348.html

Almanca Tıbbi İletişim Tıp Doktorları İçin Türkçe-Almanca Rehber'in 5. Ve Son Baskısı Çıktı!

Almanya’da tıpta uzmanlık eğitimine başlayan bazı meslektaşlarım Almanca bilseler dahi hasta öyküsü almakta, fizik muayene bulgularını ve epikrizleri yazmakta zorlandıklarını belirttiler. Türkiye’de Alman hastaları olan meslektaşlarım da benzer sorunlarla karşılaştıklarını ifade ettiler. Meslektaşlarımın söz konusu sorunlarını ivedilikle çözmelerine yardım etmek ve ileride Almanya’da tıpta uzmanlık eğitimi almak isteyenlere faydalı olmak amacıyla “Almanca Tıbbi İletişim” konulu bu kitabı yazmaya karar verdim.

Bu kitapta Almanca temel tıbbi terminolojinin yanı sıra Almanca hasta öyküsü almak, fizik muayene yapmak, bulguları ifade etmek, telefon görüşmesi yapmak ve epikriz yazmak için bilinmesi gerekenleri bulacaksınız. Kitabın Almanya’da tıp doktoru olarak çalışmak veya Türkiye’de Almanca konuşan hastalara yardımcı olmak isteyen meslektaşlarıma faydalı olmasını dilerim.

Doç. Dr. Mehmet Eren Yüksel

Genel Cerrahi ve Yoğun Bakım Uzmanı

Cebeci Asri Mezarlığı

 

Evaluation of Adsorption Therapy in Critically Ill Covid-19 Patients

Evaluation of Adsorption Therapy as an Extracorporeal Blood Purification Technique in Critically Ill Covid-19 Patients

Dünyaca Ünlü Gastroenteroloji Profesörü Markus Lerch, Türkçe COVID-19 Bilgilendirme Videosu Hazırladı

https://www.sancakhaber.com/dunyaca-unlu-gastroenteroloji-profesoru-markus-lerch-almanyada-yasayan-turkler-icin-turkce-covid-19-bilgilendirme-videosu-hazirladi.html 

Dünyaca Ünlü Gastroenteroloji Profesörü Markus Lerch, Almanya’da Yaşayan Türkler İçin Türkçe COVID-19 Bilgilendirme Videosu Hazırladı.

Prof. Dr. Markus Lerch, Rheinland’da büyüyüp Albert-Ludwigs-Universität’te aldığı eğitimle Almanya’da önemli bir kariyere sahip olan bir Tıp Profesörü’dür. Uluslararası deneyimleri arasında Glasgow Üniversitesi, Toronto Üniversitesi ve Massachusetts Üniversitesi yer almaktadır. Pankreatit üzerine yaptığı deneysel çalışmalarla 1994 yılında habilitasyonunu tamamlamış ve önemli bir akademik kariyere sahip olmuştur. Lerch, çeşitli üniversitelerde öğretim üyeliği yapmış, gastroenteroloji, endokrinoloji ve biyokimya alanlarında uzmanlık kazanmış bir iç hastalıkları uzmanıdır. Aynı zamanda Deutschen Gesellschaft für Gastroenterologie, Verdauungs- und Stoffwechselkrankheiten (DGVS) başkanlığı gibi önemli görevlerde bulunmuş ve pek çok bilimsel dergide editörlük yapmıştır.

Profesör Markus Lerch, Almanya’da yaşayan Türk toplumu için özel olarak hazırladığı Türkçe kaynaklar ve bilgilendirme videoları ile dikkat çekiyor. COVID-19 salgınına karşı mücadelede, Türkçe konuşan izleyicilere yönelik sunduğu sağlık ile ilgili bilgiler, öneriler ve güncel gelişmeleri içeren videolar, Almanya’da yaşayan Türkler arasında geniş bir izleyici kitlesi bulmuştur.

Lerch’in bu özel çabaları, Almanya’da yaşayan Türk toplumunun sağlık bilincini artırmaya yönelik önemli bir adım olarak değerlendiriliyor. Bu videolar, salgın sürecinde bilinçli kararlar alabilmek ve sağlıklarını korumak isteyen izleyicilere rehberlik etmeyi amaçlamaktadır.

Lerch, sadece bilimsel alandaki katkıları ile değil, aynı zamanda topluluklara yönelik özel çabalarıyla da salgınla mücadelede aktif bir rol oynuyor. Bu çabalar, pandeminin etkilerini azaltmak ve sağlık bilincini artırmak adına Almanya’da yaşayan Türkler arasında olumlu bir etki yaratmıştır.

Prof. Dr. Markus Lerch halen Almanya’nın Münih şehrindeki LMU Klinikum’un yöneticisidir.