Optimización en la extracción de datos mediante procesamiento de lenguaje natural en terapias de adicción a cocaína

Tapia Galisteo, José and Vega Vargas, Yaiza and Iniesta Chamorro, Jose Manuel and Pérez Gandía, C. and García Sáez, Gema and Urgelés Puértolas, Diego and Izquierdo, Francisco Javier and Hernando Pérez, Maria Elena (2019). Optimización en la extracción de datos mediante procesamiento de lenguaje natural en terapias de adicción a cocaína. In: "XXXVII Congreso Anual de la Sociedad Española de Ingeniería Biomédica, CASEIB 2019", 27/11/2019 - 29/11/2019, Santander, España. ISBN 978-84-09-16707-4. pp. 375-378.

Description

Title: Optimización en la extracción de datos mediante procesamiento de lenguaje natural en terapias de adicción a cocaína
Author/s:
  • Tapia Galisteo, José
  • Vega Vargas, Yaiza
  • Iniesta Chamorro, Jose Manuel
  • Pérez Gandía, C.
  • García Sáez, Gema
  • Urgelés Puértolas, Diego
  • Izquierdo, Francisco Javier
  • Hernando Pérez, Maria Elena
Item Type: Presentation at Congress or Conference (Article)
Event Title: XXXVII Congreso Anual de la Sociedad Española de Ingeniería Biomédica, CASEIB 2019
Event Dates: 27/11/2019 - 29/11/2019
Event Location: Santander, España
Title of Book: Actas del XXXVII Congreso Anual de la Sociedad Española de Ingeniería Biomédica, CASEIB 2019
Date: 2019
ISBN: 978-84-09-16707-4
Subjects:
Faculty: E.T.S.I. Telecomunicación (UPM)
Department: Tecnología Fotónica y Bioingeniería
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img] PDF - Users in campus UPM only until 30 November 2021 - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (353kB)

Abstract

En la lucha contra la drogodependencia en terapias de adicción a la cocaína existe una alta tasa de abandono. El éxito del tratamiento está fuertemente ligado a la adherencia al mismo y el abandono es un grave problema para los sistemas sanitarios, debido principalmente a que implica un gran consumo de recursos especializados, que son costosos y con largas listas de espera, y a la reincidencia de los pacientes que no reciben el alta terapéutica. Por otra parte, analizar la información disponible en este tipo de recursos sanitarios no es tarea fácil, debido a que se suele encontrar en informes o documentos de texto libre. El objetivo de este trabajo es mejorar y optimizar un módulo de extracción automática de datos que utiliza técnicas de procesamiento del lenguaje natural (PLN), desarrollado en iteraciones previas, con el fin de extraer la información procedente de los informes de derivación de los pacientes. En la optimización del módulo se han utilizado 108 informes de derivación, de los cuales se extraen hasta 124 variables por informe y 20 informes en la validación del mismo, comparándose la extracción del módulo automático con la extracción manual, y obteniendo como resultado un porcentaje de discrepancia del 4,76%, inferior al 6,21% obtenido con la versión anterior. El modelo agiliza la obtención de los datos, empleando 1 segundo/informe extraído de forma automática frente a los 30 minutos/informe extraído manualmente. Esto permite concluir que el módulo desarrollado es útil para la extracción automática de información en el contexto bajo estudio.

More information

Item ID: 63260
DC Identifier: http://oa.upm.es/63260/
OAI Identifier: oai:oa.upm.es:63260
Official URL: http://caseib.es/2019/
Deposited by: Memoria Investigacion
Deposited on: 07 Nov 2020 09:12
Last Modified: 07 Nov 2020 09:12
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM