断言检测

医学内容的含义受到修饰词的高度影响，例如负面或有条件的断言，如果被歪曲，这些断言可能会产生至关重要的影响。 健康文本分析支持对文本中的实体进行四种断言检测：

• 确定性
• 有條件的
• 关联
• 临时

断言输出

健康状况文本分析返回断言修饰符，这些修饰符是分配给医学概念的信息属性，能够提供对文本中概念上下文更深入的理解。 这些修饰符分为四个类别，每个类别侧重于不同的方面，并包含一组互斥的值。 每个类别仅为每个实体指定一个值。 每个类别最常见的值是默认值。 服务的输出响应仅包含不同于默认值的断言修饰符。 换句话说，如果未返回任何断言，则隐含断言为默认值。

CERTAINTY - 提供有关概念是否存在（存在或不存在）的信息，以及文本对其存在程度（明确或可能）的确定性。

• Positive [默认值]：概念存在或已经发生。
• Negative：概念目前尚不存在或者从未发生过。
• Positive_Possible：概念可能存在，但存在一些不确定性。
• Negative_Possible：概念可能不存在，但存在一些不确定性。
• Neutral_Possible：概念可能存在，也可能不存在，没有偏向任何一方的倾向。

下面显示了一个断言检测示例，其中返回一个否定实体，确定性类别的值为负值：

{
    "offset": 381,
    "length": 3,
    "text": "SOB",
    "category": "SymptomOrSign",
    "confidenceScore": 0.98,
    "assertion": {
        "certainty": "negative"
    },
    "name": "Dyspnea",
    "links": [
        {
            "dataSource": "UMLS",
            "id": "C0013404"
        },
        {
            "dataSource": "AOD",
            "id": "0000005442"
        },
    ...
}

CONDITIONALITY - 提供有关概念是否存在取决于某些条件的信息。

• None [默认值]：概念是事实，而不是假设，并且不依赖于特定情况。
• Hypothetical：该概念可能在未来发展或发生。
• Conditional：概念存在或仅在某些条件下出现。

ASSOCIATION - 描述概念是与文本主题还是其他人相关联。

• Subject [默认值]：概念与文本的主体（通常为患者）相关联。
• 其他：概念与非文本主体的某人关联。

TEMPORAL - 为概念提供附加的时态信息，详细说明它是与过去、现在还是未来相关的事件。

• Current [默认值]：概念与属于当前遭遇的条件/事件相关。 例如，导致患者寻求医疗救治的医疗症状 (例如，“在来到急诊室前 5 天开始头痛”) 。 这包括新近做出的诊断，在此次接触过程中经历或导致此接触的症状，以及在此次接触中进行的治疗和检查。
• Past：该概念与病情、检查、治疗、药物事件有关，这些事件是在当前就诊前存在或发生的，可能通过“s/p”、“最近”、“以前”、“儿童时期”、“在 X 岁时”等提示词来暗示。例如，过去诊断的病情、进行过的治疗、过去的检查及其结果、过去的入院情况等。医学背景被视为属于“PAST”。
• Future：该概念与计划/怀疑将会出现的条件/事件有关，例如，将获得，将经历，计划在两周后进行。

后续步骤

如何调用用于健康的文本分析