Normalization Guidelines for Medical Entities of the Chilean Waiting List Corpus

GUIADENORMALIZACIÓNDEENTIDADESMÉDICAS DELCORPUSDELALISTADEESPERANO-GESCHILENA v.1.2 Antonia Paz Arancibia Matías Ignacio Chaparro Tomás Ignacio Bucarey Pablo Báez Benavides 2022 Financiación: El desarrollo de estas guías fue apoyado por los proyectos FONDECYT Postdoctoral 3210395, FONDECYT 11201250, y el Proyecto Basal FB210005 (CMM) de ANID. Índice 1.Introducción.............................................................................................................................................................2 2.Entidadesanormalizar..........................................................................................................................................2 3.Operativa..................................................................................................................................................................3 4.Criterios de Normalización...................................................................................................................................4 4.1. Reglas Generales (Reglas-G)..................................................................................................................................4 G1. Uso de recursos de conocimiento externos..............................................................................................4 G2. Cantidad de códigos por entidad.................................................................................................................5 G3. Entidades y/o códigos que no estén claros..............................................................................................5 G4. Modificadores en las anotaciones...............................................................................................................5 G5. Revisión de las reglas de normalización....................................................................................................6 4.2. Reglas Positivas (Reglas-P): Qué normalizar....................................................................................................6 4.3. Reglas Negativas (reglas-N): Qué no se debe normalizar.............................................................................6 4.4. Operadores utilizados:...........................................................................................................................................6 5.Referencias..............................................................................................................................................................7 1 1. Introducción El Corpus de la Lista de Espera Chilena (CWLC, https://zenodo.org/records/7555181) consta de 10.000 interconsultas de atención primaria de salud, las cuales fueron anotadas manualmente con 7 grupos de entidades médicas, que se detallan en la sección 2. La figura 1 muestra un ejemplo de una interconsulta anotada de este corpus, el cual se. A partir del CWLC, se seleccionó un subconjunto de 2.000 textos médicos normalizados de manera automatizada con MedLexSp y que fueron revisados manualmente siguiendo estas guías de normalización. Figura 1. Interconsulta anotada del Corpus de la Lista de Espera Chilena. 2. Entidades a normalizar El objetivo es asignar códigos de identificadores únicos de concepto (Concept Unique Identifiers o CUIs) del UMLS a las entidades previamente anotadas y pre-normalizadas con MedLexSp. ●Hallazgos (findings): ej. autovalente (C2229477) ○Resultadode laboratorio de test(LaboratoryorTestResult):ej. bloqueo bifascicular al ECG (C2919780). ○Signososíntomas(SignorSymptom):ej. parestesia facial (C0239517) ●Enfermedades(Disease):ej. diabetes (C0011847) ●Partes del cuerpo (BodyPart):ej. brazo (C1140618) ●Medicamentos(Medication)ej. metformina (C0025598) ●Abreviación(Abbreviation):ej. APS (C0033137) ●Familiares (FamilyMember): ej, madre (C0026591) ●Procedimientos(Procedure) ○Procedimientosdelaboratorio(LaboratoryProcedure)ej. Hemograma (C0009555) ○Procedimientosdiagnósticos(DiagnosticProcedure)ej. Espirometría (C0037981) ○Procedimientosterapéuticos(TherapeuticProcedure) ej. Acromioplastia de hombro (C0186663). 2 3. Operativa En esta tarea, se normalizarán las entidades enumeradas en el apartado 2, siguiendo las reglas enumeradas en el apartado 4. Para realizar esta tarea, se disponen de las siguientes herramientas: ●BRAT: utilizado para la anotación de las interconsultas y sus códigos respectivos. Los códigos se agregan a manera de comentarios en las anotaciones respectivas. ●MedLexSp: utilizado para asignar códigos automáticamente a ciertas entidades, los que deben ser revisados y modificados manualmente ante posibles errores. ●UMLS Metathesaurus Browser: utilizado para buscar los códigos correspondientes de las entidades del CWLC pre-normalizadas o que no fueron normalizadas con el método automático. Durante el proceso de revisión manual de cada mención, el personal puede enfrentar cualquiera de los siguientes escenarios posibles: ●Caso 1: La normalización de MedLexSp para dicha mención es correcta. El codificador no realiza ninguna acción adicional. ●Caso 2: La entidad no se ha normalizado automáticamente y el codificador tampoco ha identificado códigos aplicables manualmente. Estos casos corresponden a entidades sin CUI (CUI-less). El codificador no realiza ninguna acción adicional. ●Caso 3: La normalización automática no fue correcta. Existen dos subtipos: ○Caso 3.1 La normalización automática fue parcialmente correcta: El codificador añade uno o más códigos que también eran aplicables y se omitieron, o uno o más códigos que se añadieron automáticamente no se aplicaban a la mención y por lo tanto el codificador los elimina. ○Caso 3.2 La normalización era incorrecta y el codificador la modifica por completo. ●Caso 4: La normalización automática no identificó códigos aplicables para las menciones, pero el codificador durante su revisión manual sí los identifica. 4.Criterios de Normalización La herramienta de normalización automática MedLexSp asigna al archivo Standoff de anotación un comentario que puede ser modificado en BRAT. Para la asignación o corrección de códigos se emplea la siguiente convención: se debe usar el código de concepto más preciso semánticamente respecto a la entidad anotada. Cuando existan otros códigos también válidos para la entidad, se pueden separar empleando una coma (,). Sin embargo, solo se deben incluir los conceptos más próximos, excluyendo los que son demasiado generales así como las subcategorías. Ejemplo: 3 Para la entidad silicosis se utilizó el código C0037116 (silicosis) y se excluyeron códigos correspondientes a sub-categorías como Complicated silicosis (C0264426), Simple silicosis (C0264425), Subacute silicosis (C0340191), Acute silicosis (C0340190). Para la entidad displasia cervical se utilizó el código C0007868 (cervical dysplasia) y se excluyeron códigos generales como por ejemplo: Dysplasia (C0334044). 4.1. Reglas Generales (Reglas-G). G1. Uso de recursos de conocimiento externos El principal recurso para la normalización es el UMLS Metathesaurus Browser (https://uts.nlm.nih.gov/uts/umls/home). La consulta se puede realizar inicialmente en español, pero dado que la cobertura de los recursos en inglés es mayor que la del español, se puede optar por emplear las traducciones en inglés de las menciones para realizar la búsqueda. Además, se puede en caso de considerarlo necesario, puede filtrar la búsqueda, restringiendo los resultados a una categoría semántica específica. En caso de duda del codificador sobre si corresponde o no un código a una mención, se puede además consultar otros recursos externos, los cuales se listan a continuación: ●MedlinePlus: https://medlineplus.gov/spanish/ ●Manual de codificación CIE-10-ES Diagnósticos. Edición 2020. ●Edición electrónica de la CIE-10-ES: https://www.eciemaps.sanidad.gob.es ●Diccionario de siglas médicas http://sedom.es/diccionario/ ●PubMED ●Wikipedia También se pueden consultar otros recursos que faciliten la comprensión del término o que se puedan mapear a UMLS como: SNOMED-CT, OMIM, u otras bases de datos. G2. Cantidad de códigos por entidad Para cada entidad se anotan los códigos que correspondan, separados por coma (,). Ejemplos: Persiste con coxalgia y gonalgia derechas [C2202100, C2202235] En esta entidad anotada como “Sign or Symptom”, se anotan los códigos para coxalgia derecha y gonalgia derecha respectivamente. COXA CONGÉNITA: VARA O VALGA [C0152431, C0152430] 4 En esta entidad anotada como “Disease”, se anotan los códigos para Coxa vara congénita yCoxa valga congénita, respectivamente. dificultad para ver objetos lejanos y cercanos [C0237249, C0237250] G3. Entidades y/o códigos que no estén claros Es posible que algunas menciones generen dudas cuando la anotación contiene por ejemplo la lateralidad. En estas situaciones no se debe modificar la entidad ni su alcance, pero se registran los casos para discutirlos en las reuniones de consolidación de criterios que tendrán una periodicidad semanal. Por ejemplo, cuando no exista un código que incluya la lateralidad se puede optar por corregir la anotación para que sea adecuada al código UMLS disponible, si es que el criterio médico lo considera pertinente. G4. Modificadores en las anotaciones. Los modificadores deben estar excluidos de las entidades (y normalizaciones), salvo que la entidad tenga un código que incluye el modificador. Ejemplo: Agravamiento de enfermedad de la arteria coronaria [C0856171]. En algunos casos, cuando la entidad de una enfermedad incluya la palabra crónico/agudo, etc., y no exista código, pero a criterio médico sea considerado relevante, se mantiene el modificador en la entidad (no se modifica), pero se usa el código más genérico. G5. Revisión de las reglas de normalización. Las reglas de normalización serán actualizadas permanentemente en la medida en que nuevos casos y ejemplos complejos se vayan resolviendo. 4.2. Reglas Positivas (Reglas-P): Qué normalizar Abreviaciones: - Normalizar abreviaciones que se refieren a símbolos de palabras científicas o técnicas que tienen validez internacional (Na, Ag) - Antecedentes gineco-obstétricos como abreviaturas (G0 corresponde al número de gestaciones): - G3: C1277583 - P3: C0233072 5 - A0: C0233107 - Pruebas de laboratorio, medicamentos y otras entidades que estén abreviadas - SOS: Emergency administration of medication (C0204890) 4.3. Reglas Negativas (reglas-N): Qué no se debe normalizar. Abreviaciones: - No normalizar abreviaciones referidas a apellidos, o nombres. - No normalizar abreviaciones numéricas ordinales, incluso si estas tienen un código UMLS. Ejemplo: La abreviación “3er” tiene asociado un código: C0205437 (Third). 4.4. Operadores utilizados: ●“,”:Utilizado para separar códigos que se refieren a la misma entidad. Ejemplo: ECG → C1623258, C0013798. ●“|”: Utilizado para separar los códigos de comentarios realizados por el anotador y/o codificador. 6 5. Referencias Báez P., Villena F., Durán M., Dunstan J. (2021) Guía de Anotación de Entidades en Textos Médicos. https://plncmm.github.io/annodoc/ Campillos-Llanos L., Capllonch A., Valverde A. (2021). Guía de normalización de conceptos médicos del corpus NLPMEDTERM. Bodenreider, O. (2004) The Unified Medical Language System (UMLS): integrating biomedical terminology. Nucleic Acids Res. 2004 Jan 1; 32(Database issue): D267–D270. doi: 10.1093/nar/gkh061 Mas T., Villarrubia A., Vittini N., Gonzalez-Agirre A., & Krallinger M. (2020). CodiEsp guidelines (Versión 1). Zenodo. https://doi.org/10.5281/zenodo.3730567 Luo YF, Sun W, Rumshisky A. MCN: A comprehensive corpus for medical concept normalization. J Biomed Inform. 2019 Apr;92:103132. doi: 10.1016/j.jbi.2019.103132 . Epub 2019 Feb 22. PMID: 30802545. 7