心血管和脑血管疾病手术患者的体验：利用基于Transformer的韩语双向编码器表示（KoBERT）模型进行情感分析

《JMIR Medical Informatics》：Experience of Cardiovascular and Cerebrovascular Disease Surgery Patients: Sentiment Analysis Using the Korean Bidirectional Encoder Representations from Transformers (KoBERT) Model

心血管及脑血管术后患者过渡期情感与需求分析基于KoBERT模型与TCM框架。通过抓取Naver平台9393篇患者博客，发现脑血管患者健康状态负面情绪占比75.5%，心血管患者护理需求负面比例达80.7%。研究证实KoBERT情感分类模型（F1值94%）可有效识别术后患者情感特征，并揭示疾病特异性需求差异：脑血管患者侧重康复支持与家属互动，心血管患者关注费用管理及医患沟通。

　　心血管和脑血管疾病是全球范围内导致死亡和残疾的主要原因之一。这些疾病不仅对患者的身体健康构成威胁，还对他们的生活质量产生深远影响。随着医学技术的进步和医疗资源的普及，患者的平均寿命逐渐延长，这也意味着接受心脏和神经系统手术的老年人口在持续增加。然而，尽管手术成功率提高，出院后患者的康复过程仍面临诸多挑战。尤其是在新冠疫情期间，医院为了减少感染风险，推动了更多患者在出院后接受门诊治疗，这种转变虽然有助于降低医疗成本并加速患者的康复过程，但也凸显了出院后持续护理的重要性。为了确保患者在出院后的健康状况能够得到有效管理，研究者们开始关注患者在康复阶段所经历的情感变化，并试图通过数据分析和人工智能技术来优化出院后的护理策略。

在这一背景下，一项基于韩国网络平台Naver的患者情感分析研究引起了广泛关注。该研究利用人工智能技术，特别是基于Transformer模型的KoBERT（Korean Bidirectional Encoder Representations from Transformers）模型，对接受心血管和脑血管手术后出院的患者在网络上的表达进行情感分类，从而揭示他们在出院后的心理状态和实际需求。通过这种方式，研究人员能够更好地理解不同疾病类型患者在出院后的情感体验，并据此制定更符合患者需求的护理策略。该研究不仅有助于改善患者护理体验，也为医疗政策制定者提供了重要的参考依据，以推动更加以患者为中心的护理模式。

研究的主要目标是分析接受心血管和脑血管手术的患者在出院后的情感体验，并通过KoBERT模型对这些情感进行分类，分为积极、中性和消极三类。KoBERT模型的分类准确率高达96%，召回率达到了94%，F1分数也达到了94%，显示出该模型在情感分析中的强大能力。此外，该研究还结合了“过渡护理模型”（Transitional Care Model, TCM）的五个核心领域：健康状况、护理资源、护理需求、医患互动以及心理状态，对患者的情感体验进行分类和分析。这一框架有助于识别不同患者群体在出院后的具体需求，为医疗体系的优化提供依据。

研究结果显示，与接受心血管手术的患者相比，接受脑血管手术的患者在健康状况方面表现出更高的负面情绪。这可能与脑血管疾病通常需要更长时间的康复过程以及更高的护理需求有关。此外，心血管手术患者在护理需求方面表现出更多的负面情绪，这表明他们在出院后的护理过程中面临更多的挑战，尤其是在费用管理和康复计划方面。这些发现强调了不同患者群体在出院后护理中的差异，同时也揭示了在韩国医疗体系中，针对脑血管疾病患者康复过程的护理支持相对不足，而心血管疾病患者的护理需求则主要集中在费用问题上。

研究还通过词云技术对患者的关键词进行了分析。对于脑血管手术患者，常见的关键词包括“健康状况”、“症状”、“睡眠障碍”、“护理资源”中的“母亲”、“转移”和“护理人员”，以及“护理需求”中的“康复”、“术后护理”和“检查”等。这些关键词反映了脑血管疾病患者在出院后需要更多的康复支持和护理资源。相比之下，心血管手术患者更关注“护理资源”中的“保险”和“费用”，以及“护理需求”中的“药物”和“锻炼”等关键词。这表明，心血管疾病患者更倾向于关注与经济相关的问题，而脑血管疾病患者则更关注康复和护理过程中的具体支持。

此外，研究还通过箱线图对不同患者群体在五个TCM领域的积极和消极情感评分进行了可视化分析。结果显示，脑血管疾病患者在护理资源、护理需求和医患互动方面表现出更高的积极情感评分，而在健康状况方面则显示出较高的消极情感评分。相比之下，心血管疾病患者在心理状态方面表现出更高的积极情感评分，而在护理需求方面则显示出较高的消极情感评分。这些发现进一步强调了不同疾病类型患者在出院后护理中的差异，也为医疗政策制定者提供了重要的决策依据。

尽管该研究取得了一定的成果，但也存在一些局限性。首先，由于韩国《个人信息保护法》和《医疗保健法》的限制，研究人员无法直接获取患者的原始数据，这可能影响研究的全面性和深度。其次，研究数据主要来源于网络平台上的患者帖子，这可能造成样本偏差，因为互联网用户通常具有较好的身体状况，而那些病情较重或需要更多医疗支持的患者可能较少参与网络讨论。此外，研究中使用的关键词主要集中在手术和住院期间的经历，难以准确区分住院期间和出院后的护理体验。最后，情感分类仅分为积极、中性和消极三类，这种分类方式可能无法全面反映患者复杂的情感状态，未来的研究可以考虑采用更细致的情感分类方法。

总的来说，这项研究为理解心血管和脑血管疾病患者在出院后的心理状态和实际需求提供了重要的数据支持。通过结合人工智能技术与过渡护理模型，研究人员能够更精准地识别不同患者群体在护理过程中的具体挑战，并据此提出相应的改进措施。这些发现不仅有助于优化现有的护理体系，也为未来的医疗政策制定提供了新的思路。在未来的研究中，可以进一步结合定量和定性研究方法，通过访谈和临床数据来深入了解患者的情感状态，从而为改善出院后的护理体验提供更多支持。