目的:数据驱动的药材推荐方法帮助中医医师在真实的临床实践中更精确、更智能地制定科学的治疗处方,也可以为中医诊断和治疗的发展提供科学依据.方法:通过文本挖掘方法分析了 24 127条中医处方记录,在中医理论的基础上模拟生成处方的过程,并将症状和药材的丰富信息及其相互关系等领域知识纳入考虑.提出了一种基于属性知识网络嵌入的LDA(Latent Dirichlet Allocation)主题模型的中药推荐方法,中药的属性知识网络包含药材丰富的属性信息以及蕴含的药理作用,对主题模型进行了增强.结果:研究结果表明,在最佳嵌入系数下,模型的预测困惑度、准确性以及平均AUC相较于基线主题模型均有更好的表现.结论:所提出的方法有利于提升模型稳定性、药材推荐准确度,更好地承担诊疗模式挖掘等任务.

目的 对我国健康中国行动政策进行量化分析,为相关政策制定和完善提供依据.方法 以2016-2023年国家级、省级层面发布的健康中国行动政策为研究对象,使用文本挖掘方法构建包含9个一级变量和41个二级变量的政策一致性(Policy Modeling Consistency,PMC)指数模型,对健康中国行动政策进行质量评价.结果 以筛选出的32份健康中国行动政策作为样本政策,PMC指数平均值为7.81,政策质量均在良好及以上,处于中度凹陷水平.一级变量中政策性质、政策内容、政策评价等PMC指数平均值较高,政策激励和效力级别维度的不足之处比较明显.结论 健康中国行动政策整体覆盖较为全面,但仍存在效力级别层次单薄、政策多元激励及相应政策工具运用不足、地域间发展不平衡等问题.未来应从丰富效力级别、均衡政策工具使用、加强地区间交流学习等方面进行完善.

目的:挖掘与分析在线健康社区妊娠期高血糖（HIP）用户的网络问答文本，为HIP患者健康信息服务提供参考。方法:采集"糖尿病网"和"妈妈网"问答数据108 590条，运用社会网络分析法构建文本内容特征词共现网络并进行可视化分析与展示。在识别内容主题的基础上进一步分析主题间及主题内部节点关系，并结合Wilson信息行为理论对内容主题进行属性区分。结果:本研究构建出包含321个节点的HIP用户问答文本特征词网络，其中最大连通子网包括177个节点。围绕血糖控制和应对疾病压力两大类信息寻求动机，共识别出12个内容主题。其中，4个主题具有生理属性、7个主题具有认知属性、6个主题具有情感属性。药物治疗、饮食与营养包含的特征词数量最为突出，各主题内部均存在高点度中心度的特征词。结论:HIP用户关注的内容具有多种属性、多个维度。临床、社区医护人员及其他健康信息服务者可不断完善针对HIP患者的信息服务内容，满足其健康信息需求。

医学慕课（massive open online course，MOOC）质量认定标准是实施医学MOOC质量监控的参考依据。本文采用数据挖掘、定量分析、定性分析等方法，以爱课程（中国大学MOOC）平台中医学课程的评论文本为数据源，挖掘出医学MOOC质量认定标准的一些潜在的指标项；在梳理分析国内外现有的有关MOOC质量评价的研究成果和教育部相关政策基础上，构建了包含课程内容、教学设计等6个一级指标和23个二级指标的医学MOOC质量认定标准；采用专家评分、使用AHP法计算，得出质量认定标准的权重系数；最后阐明了高校医学MOOC质量认定的程序。该认定标准可对高校医学类MOOC进行自我评估和质量监控。

目的:分析医院职工原创的医学人文文章，凝练职工感知的医院文化核心要素，为多院区同质化建设提供建议。方法:收集2013年1月至2019年12月北京市某三级甲等医院微信订阅号、网站、各类自制书籍上刊登的职工原创医学人文类文章。采用Python 3.7进行文本挖掘；通过Bert和腾讯开源800万中文词数据集做实体识别训练数据集；采用K-Means聚类分析选择拟合度较高的聚类结果；利用TextRank筛选聚类后每类的关键词，最终根据筛选后的关键词总结分类含义。结果:共收集文章341篇，其前10高频词包括工作、医院、患者、病人、发展、医学、医疗、医生、门诊和临床。采用Bert数据集的文本聚类将各关键词分为过程回忆、工作属性、工作职责、诊疗行为、成长经历、团队协作、职业精神、管理创新、医患沟通和其他10类。结论:医院员工文化感知研究有助于探寻医院文化的内涵。在多院区同质化建设中应培养员工对医院的认同感和归属感，提升其获得感和幸福感，强化以患者为中心的科学管理体系。

目的:使用计算机工具和公开数据库挖掘与皮肤鳞状细胞癌(cSCC)相关的基因和信号通路，并通过深度学习模型探索治疗cSCC的靶点及药物。方法:通过文本挖掘和GeneCodis找出与cSCC高度相关的基因；使用STRING和Cytoscape进行蛋白质-蛋白质相互作用分析；通过DGIdb数据库基于药物-基因相互作用分析，得到候选药物；利用药物-靶点相互作用深度学习模型DeepPurpose，采用深度学习算法，在药靶相关性的基础上进一步对药物-靶点亲和力进行预测，并给出与目标靶点亲和力较高的部分药物推荐。结果:通过文本挖掘识别出与cSCC相关的121个基因；基因富集分析中产生了与10个信号通路有关的11个基因和54个靶向药物。其中，主要通路包括"pathways in cancer"(癌症相关信号通路)、"MAPK signaling pathway"(MAPK信号通路)、"ErbB signaling pathway"(ErbB信号通路)；主要基因包括TP53、MDM2、CCND1、CDKN2A、HRAS、EGFR、MYC、ERBB2、AKT1、STAT3和SRC。通过DeepPurpose得到34个最终药物，包括11个化疗药物、17个酪氨酸激酶抑制剂、4个PI3K/AKT/mTOR抑制剂、1个丝裂原活化蛋白激酶抑制剂和维生素A酸。结论:使用计算机工具和深度学习模型有望成为一种新的探索靶向cSCC基因药物的有效方法。

目的:建立程序性细胞死亡1受体（PD-1）/程序性细胞死亡配体1（PD-L1）抑制剂相关肺损伤的主动监测规则。方法:检索美国FDA不良事件报告系统数据库，收集2016至2020年收录的PD-1/PD-L1抑制剂相关肺损伤病例报道，并收集相关指南/共识及北京医院现有5种PD-1/PD-L1抑制剂（信迪利单抗、卡瑞利珠单抗、纳武利尤单抗、替雷利珠单抗和阿替利珠单抗）的药品说明书，经全面分析后形成PD-1/PD-L1抑制剂相关肺损伤风险信号集。利用医院信息系统（HIS）药品不良反应智能监测系统的用户自定义功能，采用触发器技术和文本信息提取技术，将风险信号与智能监测系统中的4个数据模块（文本模块、医嘱模块、检验模块和检查模块）进行匹配，形成初始监测规则。经1个月试运行对初始监测规则进行优化，最终形成与HIS电子病案系统匹配且贴合我院医师电子病历书写习惯的监测规则。收集2020年10月1日至2021年8月6日在我院住院期间使用PD-1/PD-L1抑制剂全部患者的电子病历，应用该监测规则进行肺损伤风险信号挖掘，验证其可行性和准确性。结果:初始监测规则涉及智能监测系统中除外检验模块的其他3个模块，文本模块确定了6个触发关键词/短语和18个排除关键词/短语，医嘱模块确定了触发药物（5种PD-1/PD-L1抑制剂和3种/类治疗或缓解肺损伤的药物），检查模块确定了进行过胸部CT检查并在CT检查报告文本中出现6个触发关键词/短语中的任一关键词/短语。在3个模块中均探测出风险信号者为预警病例。经1个月试运行后形成的监测规则增加了5个排除关键词/短语，删除了1类治疗或缓解肺损伤的药物，并在文本表述方面进行了修改。应用该监测规则对设定时间内303例住院患者的电子病历进行了风险信号挖掘，检出预警病例41例，通过人工筛选及因果关系评价，最终确定15例患者（5.0%）存在PD-1/PD-L1抑制剂相关肺损伤，监测规则的识别准确率为36.6%（15/41）。结论:成功建立了PD-1/PD-L1抑制剂相关肺损伤监测规则。初步应用结果表明该监测规则可行性和准确性良好。

在叙事医学的提出者瑞塔·卡伦看来，细读是叙事医学的标志性方法。因为经过细读训练的医生和医学生能够学会包容临床工作中不确定性、模糊性和多种解释的可能性。叙事医学中的细读，为的是让医生逐渐变得更容易赏析文学之外的文本。通过细读可以帮助医生挖掘病人的故事，理解和欣赏细微的差别。反思是一种内部审视和探索关注问题的过程，由经验引发，进而创造和澄清自我意义，从而导致观念发生变化。反思不仅是对临床行为对与错的评价，更是解释和翻译病人的故事，从中与其共情互动。反思是一种通向存在、本体、自我意识、主体间性和道德判断力的叙事和叙述途径。在叙事医学中，更多是运用书写平行病历的形式来表现医者的反思。

目的:了解母婴论坛中孕产妇的健康信息需求，为开展孕产妇健康教育工作提供理论依据和信息支持。方法:2020年7月1—31日在"妈妈网"问答栏目中备孕期、怀孕期、哺乳期3大板块的提问文本，进行数据清洗和分词处理后采用潜在狄利克雷分配（LDA）主题模型挖掘主题特征。结果:"妈妈网"提问记录的主题特征分析显示，LDA模型将32 466条提问记录共划分为3个阶段10个主题，即备孕期（孕前健康知识需求、备孕期情感特征、二胎备孕、辅助生殖），怀孕期（孕早期、孕中期、孕晚期、分娩期），哺乳期（喂养知识需求、婴儿照护需求）。结论:基于LDA主题模型的研究结果可反映孕产妇用户关于在线母婴论坛的信息需求，为孕产妇不同时期孕产知识及特殊的情感需求提供信息指导与情感支持。

目的:探讨中英文检索数据库中关于灾害护理文献的主题内容、热度变化，为相关研究提供参考，为促进灾害护理领域的健康发展提供理论依据与情报支撑。方法:利用潜在狄利克雷分配（LDA）主题模型对中国知网、万方、Web of Science等中英文数据库中检索截止2021年9月6日相关灾害护理的文献主题进行建模，生成"主题-词"分布概率矩阵并分析结果。结果:LDA模型分析显示，中文文献有13个研究主题，并可归为4个研究方向，包括灾害伤病员的护理及救治、国内外灾害护理现状及院前急救发展、突发公共卫生应急事件救护能力评估及保障、灾害护理人员能力培训及考核；英文文献有6个研究主题。结论:应用LDA模型文本提取结果可准确地挖掘出灾害护理领域的研究主题，有利于了解灾害护理的发展动态和研究热点，能够为相关研究提供可靠的参考依据。