Pembelajaran mesin dapat membantu kita memahami percakapan tentang kematian – ScienceDaily

Pembelajaran mesin dapat membantu kita memahami percakapan tentang kematian – ScienceDaily


Beberapa percakapan yang paling penting dan sulit dalam perawatan kesehatan adalah percakapan yang terjadi di tengah penyakit yang serius dan mengancam jiwa. Diskusi tentang pilihan pengobatan dan prognosis dalam pengaturan ini merupakan keseimbangan yang rumit bagi dokter dan perawat yang berurusan dengan orang pada titik paling rentan mereka dan mungkin tidak sepenuhnya memahami apa yang akan terjadi di masa depan.

Sekarang para peneliti di Lab Percakapan Vermont Universitas Vermont telah menggunakan pembelajaran mesin dan pemrosesan bahasa alami untuk lebih memahami seperti apa percakapan tersebut, yang pada akhirnya dapat membantu penyedia layanan kesehatan meningkatkan komunikasi akhir kehidupan mereka.

“Kami ingin memahami hal kompleks yang disebut percakapan,” kata Robert Gramling, direktur lab di UVM Larner College of Medicine yang memimpin penelitian tersebut, yang diterbitkan pada 9 Desember di jurnal tersebut. Pendidikan dan Konseling Pasien. “Tujuan utama kami adalah meningkatkan pengukuran percakapan sehingga kami dapat merekayasa ulang sistem perawatan kesehatan untuk berkomunikasi dengan lebih baik.”

Gramling dan rekan-rekannya ingin memahami jenis percakapan yang dilakukan orang-orang seputar penyakit serius, untuk mengidentifikasi ciri-ciri umum yang mereka miliki dan menentukan apakah mereka mengikuti alur cerita yang sama. Untuk melakukan ini, mereka meminjam teknik yang digunakan dalam studi fiksi, di mana algoritme pembelajaran mesin menganalisis bahasa manuskrip fiksi untuk mengidentifikasi berbagai jenis cerita.

Tim Gramling mengadaptasi metode ini untuk menganalisis 354 transkrip percakapan perawatan paliatif yang dikumpulkan oleh Palliative Care Communication Research Initiative, yang melibatkan 231 pasien di New York dan California. Mereka membagi setiap percakapan menjadi 10 bagian dengan jumlah kata yang sama di masing-masing, dan memeriksa bagaimana frekuensi dan distribusi kata yang mengacu pada waktu, terminologi penyakit, sentimen, dan kata-kata yang menunjukkan kemungkinan dan keinginan berubah di antara setiap desil.

“Kami menerima beberapa sinyal kuat,” kata Gramling.

Percakapan cenderung berkembang dari pembicaraan tentang masa lalu ke pembicaraan tentang masa depan, dan dari perasaan yang lebih sedih ke perasaan yang lebih bahagia. “Ada jarak yang cukup jauh, mereka berubah dari sangat sedih menjadi sangat bahagia,” kata Gramling.

Diskusi juga berkembang dari pembicaraan tentang gejala di awal percakapan, hingga pilihan pengobatan di tengah dan prognosis di akhir. Dan penggunaan kata kerja modal – kata-kata seperti “bisa”, “mungkin”, dan “keinginan” yang merujuk pada probabilitas dan keinginan – juga meningkat seiring dengan percakapan. “Pada akhirnya ada lebih banyak evaluasi daripada deskripsi,” kata Gramling.

Hasil yang konsisten di berbagai percakapan menunjukkan seberapa banyak orang memahami cerita dalam perawatan kesehatan, kata Gramling. “Apa yang kami temukan mendukung pentingnya narasi dalam pengobatan,” katanya.

Aplikasi yang lebih praktis dari pekerjaan ini masih jauh, kata Gramling. Untuk saat ini, timnya fokus menggunakannya sebagai alat untuk mengidentifikasi berbagai jenis percakapan yang dapat terjadi dalam perawatan kesehatan. “Saya pikir ini akan menjadi alat penelitian yang berpotensi penting bagi kami untuk mulai menumbuhkan pemahaman tentang taksonomi percakapan yang kami miliki sehingga kami dapat mulai belajar bagaimana meningkatkan masing-masing jenis itu,” katanya.

Pengetahuan itu pada akhirnya dapat membantu praktisi kesehatan memahami apa yang membuat percakapan “baik” tentang perawatan paliatif, dan bagaimana jenis percakapan yang berbeda mungkin memerlukan tanggapan yang berbeda. Itu bisa membantu menciptakan intervensi yang sesuai dengan percakapan yang mengindikasikan kebutuhan paling pasien.

“Satu jenis percakapan mungkin mengarah pada kebutuhan informasi yang berkelanjutan, sementara yang lain mungkin memiliki kebutuhan dukungan fungsional yang berkelanjutan,” kata Gramling. “Jadi salah satu cara jenis tersebut dapat membantu kami adalah dengan mengidentifikasi sumber daya apa yang akan kami perlukan untuk setiap pasien dan keluarga sehingga kami tidak hanya menerapkan hal yang sama kepada semua orang.”

Pemahaman yang lebih dalam tentang percakapan ini, yang sering kali disertai dengan emosi dan ketidakpastian, juga akan membantu mengungkapkan aspek atau perilaku apa yang terkait dengan percakapan ini yang lebih berharga bagi pasien dan keluarga. Itu akan memungkinkan pendidik untuk menargetkan pelatihan profesional perawatan kesehatan mereka untuk memberikan keterampilan yang dibutuhkan dalam perawatan paliatif.

Gramling mengatakan mungkin aplikasi yang paling berguna dari pekerjaan ini adalah pada tingkat sistemik yang dapat memantau bagaimana rumah sakit menanggapi pasien secara keseluruhan – dan memberi penghargaan kepada mereka yang memungkinkan pasien untuk mengekspresikan dan mengatasi ketakutan mereka dengan cara yang lebih baik dengan lebih banyak dana.

“Kami sudah mengukur proses lain dari perawatan klinis, kami hanya tidak melakukannya secara rutin untuk komunikasi aktual,” katanya.

Sumber Cerita:

Materi disediakan oleh Universitas Vermont. Asli ditulis oleh Jeffrey Wakefield. Catatan: Konten dapat diedit untuk gaya dan panjangnya.

Untuk Informasi Lebih lanjut silahkan Kunjungi : Result SGP

Author Image
adminProzen