在评估药物使用治疗设施时，患者最看重工作人员的奉献精神

宾夕法尼亚大学佩雷尔曼医学院(Perelman School of Medicine at University of Pennsylvania)的研究人员表示，机器学习可以用来梳理药物使用治疗设施的在线评论，以锁定那些对患者很重要、但仍难以通过调查等正式手段获取的品质。研究人员发现，专业精神和医护人员对患者的奉献精神是该机构获得正面或负面评价的两个主要品质。这项研究的结果今天发表在普通内科杂志．

“寻找和联系治疗方法是非常困难和令人困惑的。许多人开始在网上搜索，在那里他们可能会看到一个在线的审查该研究的主要作者、宾夕法尼亚医学中心数字健康临床创新经理、急诊医学助理教授阿尼什·阿加瓦尔医学博士说。“这些在线评论可以为患者在康复过程中的积极或消极体验提供评论，但它们必须被准确识别。通过机器学习我们已经证明了这是可能的，我们希望这些发现可以用来改善以患者为中心的成瘾治疗。”

目前，还没有全国性的质量标准来评估和比较这些设施物质使用障碍．在过去，agarwal和这项研究的合著者Sharath Guntuku博士，数字健康中心的研究员和计算机科学助理教授，以及资深作者Raina Merchant医学博士，数字健康中心的主任分析了谷歌和Yelp上的评论，看看美国药物滥用和精神健康服务管理局(SAMHSA)对提供的清单服务进行的全国调查是否也能够衡量患者的满意度(它基本上不能)。因此，该团队开始使用类似的技术来衡量是什么驱动积极或不好的经历通过Yelp未经过滤的镜头提供设施。

Guntuku说:“我们认为这将对病人的体验提供大量的洞察。”“利用用户生成的评论提供了一种理解他们的叙述的方法。”

为了实现这一点，研究人员从samsha识别的设施中提取了至少被审查了五次的评论。这相当于在美国各地设立了500多个设施。然后，通过机器学习支持的自然语言处理算法运行评论文本。通过这种方式，从评论中确定和收集主题。然后，研究人员就能按主题对它们进行分类。

总的来说，研究人员对评论中反复出现的16个主题进行了分类。当谈到积极的评价时，最重要的主题是“长期康复”、“敬业的员工”和“对患者的奉献”。的前三个主题负面评论分别是“专业”、“电话沟通”和“整体沟通”。

积极和消极评价的首要主题都与设施工作人员的行为和承诺有关，这并不令人感到惊讶。

阿加瓦尔说:“敬业和专业精神是恢复经验的关键。“拥有值得信赖、平易近人、关心个人的工作人员是所有卫生保健的关键，但这可能在成瘾问题上得到了强调。”

其他正面的主题是“团体治疗体验”和“住院患者康复”，而“在设施的等待时间”和“管理”是负面评价中最普遍的五个主题。

Merchant说:“我们在这项研究中还处于相对早期的阶段，但我们正在直接了解一些物质使用治疗机构可以用来指导和改进治疗的核心价值。”“这种反馈非常有价值，我们正在展示，通过使用机器学习，它可以有效地提炼出关键主题。”

阿加瓦尔说，他和其他研究人员希望探索更多的方法，让患者、家属和他们的支持网络从整体上考虑药物使用治疗和医疗保健。

“在当今的数字世界中，存在着强大而巨大的相互联系，我们可以利用这些联系来推动高质量的护理和支持健康系统从他们的病人那里学习，”阿加瓦尔说。

---

---