基于混合采样的患者投诉中安全事件的自动识别

,, ,,,

患者投诉是在医疗活动过程中，医务人员及机构未能满足患者的预期而导致患者产生的抱怨[1]。医院收到的患者投诉过多将会影响医院的形象，及时处理患者投诉一方面可以发现容易导致医患纠纷或医院暴力事件的原因，从而对可能发生的医疗纠纷事件进行早期预警；另一方面医疗机构可以根据患者投诉有针对性地改进医疗服务质量，提高患者满意度。因此对患者投诉进行分析和解读十分必要[2-3]。

患者安全是评估医疗服务质量的重要指标，旨在将与医疗保健相关的不必要伤害风险降低到可接受的最低水平。患者安全事件是可能导致或已经导致对患者不必要伤害的事件或情况[4]。患者投诉中涉及安全事件的投诉表明患者及其家属认为患者经历了不该遭受的痛苦。患者安全事件容易导致医患矛盾进一步恶化，甚至引起医疗纠纷事件或医疗暴力事件[5-6]。

医疗机构每天都会收到大量的患者投诉，涵盖医院各个方面。人工分析这些投诉文本并将其分类，不仅成本高且效率低。其中大量投诉涉及医患沟通、医务人员服务态度和医院环境等问题[7]。患者安全的投诉在所有患者投诉中占比较少，不均衡的文本会导致分类器性能下降。因此，如何在患者投诉类别分布不均衡的情况下，提高文本分类的性能是一个亟待解决的问题。

本文拟采用混合采样方法改善患者投诉语料分布不均衡的状况，对某医院的患者投诉进行文本分类，以有效识别患者投诉中的安全问题。……