임상 노트 및 구조화된 전자 건강 기록(EHR) 약물 정보를 비교 분석하여 치료 맥락에 따른 약물 증거를 특성화

Characterizing Treatment-Context Medication Evidence Across Clinic Notes and Structured EHR Medication History

임상 노트와 구조화된 전자 건강 기록(EHR)은 종종 서로 다른 약물 정보를 포함합니다. 이러한 정보 간의 동일 방문 시점 불일치는 노트 측면에서의 정규화 오류, 용어 또는 시간의 차이, 또는 실제 문서 내용의 차이에서 비롯될 수 있습니다. 우리는 대규모 언어 모델(LLM) 기반 참조 구축, 표적 및 무작위 인간 검토, 결정론적 약물 정규화, 그리고 구조화된 약물 기록과의 의미론적 및 시간 비교를 사용하는 노트 기반 접근 방식을 개발했습니다. 연구 대상 코호트에 대한 적응을 최소화하기 위해 환자 수준의 독립적인 테스트 데이터 세트를 사용하여 모든 정규화 결과를 평가했습니다. 5,403개의 독립적인 항목에 대해, 표면적으로 정확한 매칭 시 0.7226이었던 완벽한 표준 약물명 일치율이 어휘 정리 및 큐레이션된 별칭 매핑 후 0.8429로 개선되었습니다. 이전에 감사하지 않은 항목의 무작위 검토 결과, 평가 가능한 유효한 약물 정보에 대한 표준 약물명 일치율은 0.9210이었지만, 치료 관련 행위 추정치는 0.5326으로 더 낮았습니다. 전체 코호스 특성 분석 결과, 노트에서 파생된 항목 중 16.44%만이 구조화된 약물 기록과 동일한 방문 시점에 정확하게 일치했지만, 55.17%는 의미적으로 일치했고, 90.34%는 동일 방문 시점 또는 ±30일 이내에 일치했으며, 광범위한 프로젝트 수준 매핑 하에서는 3.97%만이 구조화된 기록과 전혀 일치하지 않는 항목으로 분류되었습니다. 온톨로지 기반 민감도 분석 결과, 독립적인 Observational Medical Outcomes Partnership (OMOP) 기준에 따른 '일치 없음' 비율은 개발 과정에서 파생된 별칭 추가 후 43.99%에서 36.68%로 감소했습니다. 이러한 결과는 노트와 구조화된 약물 정보 간의 불일치가 정규화 오류, 용어 차이 및 문서 작성 시점의 차이로부터 발생할 수 있음을 보여줍니다.

Clinic notes and structured electronic health record (EHR) medication history often contain different medication information. Same-visit disagreement between these sources may result from note-side normalization errors, differences in terminology or timing, or actual differences in documentation. We developed a note-grounded approach that uses large language model (LLM) assisted reference construction, targeted and random human review, deterministic medication normalization, and semantic and temporal comparisons with structured medication history. We evaluated all normalization results on a patient-level held-out test set to limit adaptation to the study cohort. On 5,403 held-out mention rows, exact canonical agreement improved from 0.7226 with surface-exact matching to 0.8429 after lexical cleanup and curated alias mapping. In a random audit of previously unaudited rows, canonical-label agreement was 0.9210 among evaluable valid medication mentions, whereas treatment-action attribution was lower at 0.5326. In the full-cohort characterization analysis, only 16.44% of note-derived rows had same-visit exact overlap with structured medication history, but 55.17% had same-visit semantic overlap, 90.34% had same-visit or +/-30-day overlap, and only 3.97% remained in the strict no-structured-overlap bucket under broad project-level mapping. An ontology-backed sensitivity analysis further showed that held-out strict Observational Medical Outcomes Partnership (OMOP)-backed no-overlap fell from 43.99% to 36.68% after a development-derived alias supplement. These results show that note-to-structured-medication mismatch can arise from normalization errors, differences in terminology, and differences in documentation timing.