编辑推荐：
本文通过对美国 2 家医院分娩患者临床记录的横断面研究（NLP），发现黑人患者被记录污名化语言的几率更高，西班牙裔患者积极语言记录几率较低。这凸显出改进记录和沟通实践，减少污名化语言使用的必要性。
一、研究背景
美国围产期健康结果存在显著的种族和民族差异，在分娩场景中，被边缘化的种族和民族患者不良妊娠结局发生率更高，如早产、严重孕产妇发病和死亡 。研究表明，种族主义是造成这些差异的主要原因，它通过人际和结构机制在多个社会层面发挥作用。临床医生的明确歧视和微妙偏见会延续医疗保健中的种族主义，影响临床判断并导致差别对待 。
电子健康记录（EHR）中记录的污名化和积极语言可能传达明确或隐含的偏见，强化社会构建的权力动态，对边缘化身份的个体产生不成比例的影响。已有研究显示，在门诊和内科医疗环境中，黑人患者的 EHR 更可能记录污名化语言，西班牙裔患者则较少记录积极语言 。然而，分娩场景中患者种族、民族与污名化和积极语言记录之间的关联尚不清楚，且现有研究在识别相关语言时多依赖关键词搜索分析，难以捕捉语言的复杂细微差别。本研究旨在利用新开发的 NLP 模型，探究分娩入院临床记录中患者种族、民族与相关语言记录的关联。
二、研究方法
- 数据与研究设置：研究对象为 2017 - 2019 年美国东北部 2 家主要大都市医院的分娩患者 EHR 记录。纳入孕周大于 20 周的分娩患者，分析 22 种包含自由文本叙述的临床记录类型，排除部分结构化记录。最终数据集包含 18646 名患者的 206248 条临床记录。对选定记录进行预处理，包括提取文本、去除符号、处理缩写和规范大小写。本研究为 EHR 数据的二次分析，经机构审查委员会批准，无需获取知情同意。
- 主要暴露和结果变量：患者种族和民族信息来自 EHR，部分数据缺失，使用贝叶斯改进的名字姓氏地理编码（BIFSG）算法进行插补。该算法将种族和民族分为 6 个互斥组，本研究排除样本量小的美国印第安人或阿拉斯加原住民、多民族类别，最终分析亚洲或太平洋岛民、黑人、西班牙裔和白人 4 组。研究结果包括 6 种主要语言类别，分为污名化语言（包括边缘化语言或身份、难相处患者、单方面或专制决策、质疑患者可信度 4 个子类别）和积极语言（包括偏好和 / 或尊重患者自主权、权力或特权语言 2 个子类别）。
- NLP 方法：应用先前开发的 NLP 文本分类模型对 18646 名患者临床记录中的句子进行分类，该模型在先前研究中表现出良好准确性（总体 F1 分数、精确率和召回率均为 0.8）。对句子分类后，在记录和患者层面聚合数据，确定不同语言类别的存在情况，以创建患者医疗记录语言使用的综合概况，并在患者层面进行关联分析。
- 统计分析：进行多变量逻辑回归分析，构建 4 个包含不同协变量集的模型。模型 1 仅包含种族和民族；模型 2 加入人口统计学特征（产妇年龄、婚姻状况、保险类型、首选口语）；模型 3 包含模型 2 变量及出生特征（如产次、分娩方式、孕周）；模型 4 包含模型 3 协变量及临床风险因素或合并症（如子痫前期、妊娠期糖尿病、体重指数） 。进行亚组分析，按住院分娩中位数（小于 3 天与 3 天及以上）划分。使用 Hosmer - Lemeshow 检验和平均 Pearson 残差评估逻辑回归模型的拟合优度，计算优势比（OR）和 95% 置信区间（CI），以 α = 0.05 为有统计学意义，使用 Python 在 Jupyter Lab 3.0 中进行所有分析。
三、研究结果
- 患者基本特征：共纳入 18646 名患者，平均年龄 30.5（6.2）岁。患者种族和民族分布为：白人 4270 名（22.9%），黑人 2121 名（11.4%），西班牙裔 11078 名（59.4%） 。多数患者年龄在 20 - 34 岁（68.8%），约四分之一患者 35 岁及以上（27.6%） 。多数患者由医疗补助保险（56.6%），且单身（57.1%） 。
- 语言记录情况：近一半患者（49.3%）的临床记录中至少有 1 种污名化语言类别，最常见的是难相处患者（28.6%） 。超过一半患者记录中有积极语言（58.7%） ，质疑患者可信度类别很少见（0.1%） 。黑人患者记录中任何污名化语言（54.9%）和难相处患者语言（33.0%）的频率最高，同时在边缘化语言或身份类别（11.9%）和偏好和 / 或自主权类别（61.4%）的语言记录也较多。
- 种族、民族与语言的关联：在所有模型中，黑人患者比其他种族和民族患者更可能有任何污名化或积极语言记录 。调整人口统计学特征后，黑人患者有任何污名化语言的几率比白人患者高（模型 2：OR = 1.22，95% CI：1.05 - 1.49；P < 0.001），有任何积极语言的几率也更高（模型 2：OR = 1.18，95% CI：1.05 - 1.32；P = 0.006） 。在住院时间亚组分析中，调整人口统计学特征后，黑人患者在住院 3 天或更短（OR = 1.25，95% CI：1.05 - 1.49；P = 0.01）和 3 天或更长（OR = 1.21，95% CI：1.04 - 1.40；P = 0.01）时，有任何污名化语言的几率均高于白人患者 。
亚洲或太平洋岛民在模型 3 中，有权力或特权语言记录的几率显著低于白人患者（OR = 0.72，95% CI：0.58 - 0.91；P = 0.005） 。调整人口统计学和出生特征后，黑人患者有难相处患者语言的几率在模型 2 中有统计学意义（OR = 1.16，95% CI：1.03 - 1.31；P = 0.02），但调整出生特征后不再显著；有偏好和 / 或尊重患者自主权语言的几率更高（OR = 1.23，95% CI：1.09 - 1.39；P = 0.001） 。西班牙裔患者在调整人口统计学和出生特征后，有权力和 / 或特权语言记录的几率显著低于白人患者（OR = 0.62，95% CI：0.53 - 0.73；P < 0.001） 。在完全调整模型（模型 4）中，黑人患者有偏好和 / 或尊重患者自主权语言的几率仍高于白人患者（OR = 1.19，95% CI：1.05 - 1.34；P = 0.005），西班牙裔患者有权力和 / 或特权语言记录的几率低于白人患者（OR = 0.78，95% CI：0.72 - 0.84；P < 0.001） 。
四、讨论
- 研究发现的意义：本研究利用 NLP 技术审查临床记录，发现黑人患者临床记录中污名化语言记录几率更高，尤其是在边缘化语言或身份和难相处患者类别；西班牙裔患者积极语言记录几率低于非西班牙裔白人患者，特别是在权力和 / 或特权类别 。随着模型中纳入更多协变量，尤其是在完全调整的模型 4 中，统计学显著结果减少，可能是由于特定语言类别和种族、民族群体的样本量较小 。未来研究需扩大样本量。
- 与先前研究的一致性：研究结果与先前临床环境中记录实践的种族和民族差异研究一致 。黑人患者在临床记录中更可能被用污名化语言描述，这可能是受隐含偏见影响临床医生的认知和记录实践，进而影响治疗决策和医患互动 。例如，难相处患者类别中污名化语言记录几率高，可能表明临床医生认为黑人患者难以管理 。
- 积极语言记录的复杂性：黑人患者积极语言记录也较多，尤其是在偏好和 / 或自主权类别 。这可能是临床医生为平衡潜在隐含偏见而表现出的 “过度积极行为或表达”，但在医疗保健环境中尚无直接证据支持这一观点 。鉴于临床记录中积极语言记录的研究有限，未来需进一步探究其与种族和民族的复杂关系 。
- 研究的局限性与未来方向：本研究存在局限性。研究在单一医疗系统进行，患者以西班牙裔和医疗补助保险为主，可能限制研究结果的普遍性 。虽使用 BIFSG 算法插补种族和民族缺失数据，但自我报告的种族和民族仍是金标准 。研究未纳入医院和临床医生层面数据，也未考虑部分患者层面因素，如产前护理可及性、避孕计划、物质或吸烟使用等 。研究数据收集于 COVID - 19 大流行前，需研究大流行后记录实践和语言使用的变化 。此外，污名化语言的定义和概念可能存在主观性，部分研究结果在调整临床特征后不再显著，NLP 模型也存在误分类可能 。未来研究应验证和完善语言类别，扩大样本量，纳入更多因素进行分析 。
- 对临床实践的启示：本研究结果对临床实践具有重要意义 。可用于指导针对性的教育、培训和政策审查，以识别污名化语言使用，解决临床记录和沟通中的潜在偏见 。临床医生教育应注重以患者为中心的语言，减少污名化语言，促进公平的记录实践 。但单纯删除语言无法消除潜在偏见，在电子健康记录中整合无偏见模板和提示时应谨慎 。实施标记污名化语言的软件时，应结合培训，考虑临床医生的抵制和工作流程整合等问题，采用以用户为中心的方法，确保数据安全，提高患者护理质量，减少可能导致差异的污名化语言 。
五、结论
本研究利用先进的 NLP 方法分析分娩临床记录中污名化和积极语言与患者种族和民族的关系 。发现黑人患者更可能同时有污名化和积极语言记录，西班牙裔患者积极语言记录几率较低 。这些结果强调了实施针对性干预措施减轻围产期护理偏见、促进公平和文化敏感记录实践的重要性 。未来研究应开发能捕捉这些关系细微差别的 NLP 系统，自动检测污名化语言，提供替代方案或警报，减少记录中的偏见，助力实现围产期健康公平 。
