Tilbake til søkeresultatene

HELSEVEL-Gode og effektive helse-, omsorgs- og velferdstjenester

Strengthening the patient voice in health service evaluation: machine learning on free text comments from surveys and online sources

Alternativ tittel: Styrking av pasientstemmen i helsetjenesteevaluering: maskinlæring på fritekstkommentarer fra spørreundersøkelser og nettkilder

Tildelt: kr 7,0 mill.

Regjeringen har bestilt pasientens helsetjeneste, herunder sterkere involvering av pasienter i helsetjenestebeslutninger og i utvikling og evaluering av tjenester. Et viktig pasientrettet verktøy på nasjonalt nivå er det nasjonale systemet for måling av pasienterfaringer. Fritekstkommentarer fra disse undersøkelsene anses som svært relevante og handlingsorienterte av klinikere og ledere som har som mål å forbedre kvaliteten, men er stort sett ubrukt på grunn av tiden og ressursene som trengs for å analysere pasientkommentarer. Det er dermed et klart behov for en innovativ og effektiv metode for å analysere store mengder pasientkommentarer. Natural Language Processing (NLP) er en gren av datavitenskap og kunstig intelligens, som handler om automatisert analyse av menneskelig språk. En anvendelse av spesiell relevans er sentimentanalyse. I sentimentanalyse søker man å identifisere subjektive meninger og holdninger uttrykt i tekst, oppdage om meningen har et positivt eller negativt innhold, og identifisere hvem/hva som er mål og innehavere av meningen. I såkalt aspektbasert sentimentanalyse er oppgaven i tillegg å koble de identifiserte målene til mer generelle emnekategorier. Maskinbasert sentimentanalyse har blitt introdusert som en måte å analysere kommentarer fra pasienter i helsetjenesteforskning, men disse verktøyene er både domene- og språkspesifikke og vi mangler i dag verktøy for å analysere norsk tekst på helsefeltet. Dette prosjektet skal utvikle og teste ressurser og verktøy for sentimentanalyse av pasientkommentarer på norsk språk. Vi vil benytte pasientkommentarer fra Folkehelseinstituttets nasjonale undersøkelser og fra nettsteder som Facebook, Twitter og Legelisten.no. Slike nettsteder representerer en innovativ datakilde, med potensial til å styrke pasienter ytterligere i helsetjenestemåling og kvalitetsforbedring.

The government has ordered the patients’ health service, including stronger involvement of patients in health care decisions and in the development and evaluation of services. An important patient-oriented tool at the national level is the national system for measurement of patient experiences. Free-text comments from these surveys are considered highly relevant and actionable by clinicians and managers aiming to improve quality, but are mostly unused due to the time and resources needed to analyse patient comments. There is thus a clear need for an innovative and highly efficient method for analysing large amounts of patient comments. The field of Natural Language Processing (NLP), a branch of Data Science and Artificial Intelligence, is concerned with automated analysis of human language. One application of particular relevance is sentiment analysis. The task of sentiment analysis is to (i) identify subjective opinions and attitudes expressed in text, (ii) detect whether the opinion has a positive or negative polarity, and (iii) identify who/what are the targets and holders of the opinion. Moreover, in so-called aspect-based sentiment analysis the task is additionally to (iv) map the identified targets to more general topic categories. While machine-based sentiment analysis has been introduced as a way of analysing comments from patients in health services research, these tools are both domain- and language-specific and we presently lack tools to analyse Norwegian text in the medical domain. This project will develop and test resources and tools for aspect-based sentiment analysis of comments in Norwegian language. We will use patient comments from NIPHs national surveys and from social media and other online user-generated content (UGC) like Facebook, Twitter and Legelisten.no. Online UGC represents an innovative data source, with a potential to further empower patients in health service measurement and quality improvement.

Budsjettformål:

HELSEVEL-Gode og effektive helse-, omsorgs- og velferdstjenester