2025, Vol. 34
引用本文 |
徐绍华, 侯绪良, 冯丽洁, 孙新, 朱海燕, 沈洪. 知识图谱急危重症24 h临床路径应用关联性分析[J]. 中华急诊医学杂志, 2025, 34(10): 1439-1444.
Xu Shaohua, Hou Xuliang, Feng Lijie, Sun Xin, Zhu Haiyan, Shen Hong. Analysis of the correlation of critical illness 24-hour clinical pathway application and construction of knowledge graph[J]. Chin J Emerg Med, 2025, 34(10): 1439-1444.
知识图谱急危重症24 h临床路径应用关联性分析
1. 南开大学医学院, 天津 300074;
2. 解放军总医院第一医学中心急诊科, 北京 100853;
3. 北京理工大学计算机学院, 北京 10008
2. 解放军总医院第一医学中心急诊科, 北京 100853;
3. 北京理工大学计算机学院, 北京 10008
摘要: 目的 利用急性消化道出血、急性心肌梗死和急性脑出血急诊24 h内临床路径标准与实际检查构建知识图谱与临床实际检查对比，分析两者间差异的关联性并探寻一种优化临床路径的新方法。方法 采用3种急危重症急诊24 h内临床路径标准及实际检查为数据依据分析不同检查的符合率，并构建急性消化道出血、急性心肌梗死和急性脑出血知识图谱。以实体属性为权重，用其在知识图谱中所示面积大小直观显示各项检查在急诊24 h内临床实际应用情况。利用构建的知识图谱对比和分析3种急危重症急诊24 h内实际检查的种类、次数与临床路径标准之间差异的关联性。结果 急性消化道出血、急性心肌梗死及急性脑出血患者急诊24 h内符合率50%以上检查项目在临床路径标准检查中的构成比分别为76.92%、44.44%、78.57%。3种急危重症50%以上患者未实施的临床路径检查项目的构成比分别为15.38%、27.78%、21.43%，非临床路径检查分别增加9项、7项和4项，其中17项（85%）检查50%以上患者实施次数≥1次。通过可视化知识图谱与临床实际检查对比分析，急性消化道出血与急性心肌梗死、急性消化道出血与急性脑出血、急性心肌梗死与急性脑出血重复检查分别减少38.64%、35.00%、37.50%，3种急危重症重复检查减少54.84%。结论 可视化知识图谱可作为临床实际检查与临床路径标准差异的关联性分析方法，有助于提高急危重症患者检查效率，知识图谱纳入急危重症越多检查效率越高，为临床路径的优化提供量化依据。
关键词:
知识图谱 急危重症 临床路径 关联性
Analysis of the correlation of critical illness 24-hour clinical pathway application and construction of knowledge graph
1. Nankai University School of Medicine, Tianjin 300074, China;
2. The 1rd Medical Center of Chinese PLA General Hospital, Emergency Department, Beijing 100853, China;
3. School of Computer Science & Technology, BIT, Beijing 100081, China
2. The 1rd Medical Center of Chinese PLA General Hospital, Emergency Department, Beijing 100853, China;
3. School of Computer Science & Technology, BIT, Beijing 100081, China
Abstract: Objective To compare knowledge graphs (KGs) constructed from standardized clinical pathways and actual examination records within 24 hours of emergency care for acute gastrointestinal hemorrhage (AGH), acute myocardial infarction (AMI), and intracerebral hemorrhage (ICH), and to visually analyze discrepancies between guideline recommendations and real-world practice, thereby exploring a novel methodology for clinical pathway optimization. Methods KGs were developed using clinical pathway standards and actual examination data collected within the first 24 hours of emergency treatment for AGH, AMI, and ICH. Entity attributes were weighted to visually represent the frequency and extent of examination usage through variable node sizes in the KG. The constructed KGs were used to compare and analyze the differences in type and frequency of examinations performed relative to pathway standards. Results The proportion of examination items with > 50% adherence to clinical pathway standards within 24 hours was 76.92% for AGH, 44.44% for AMI, and 78.57% for ICH. Items from the clinical pathways that were not performed in over 50% of patients accounted for 15.38%, 27.78%, and 21.43% of cases, respectively. Non-pathway examinations increased by 9, 7, and 4 items for each condition, of which 17 items (85%) were performed at least once in more than half of the patients. Visualization via KGs revealed a reduction in redundant examinations by 38.64% between AGH and AMI, 35.00% between AGH and ICH, and 37.50% between AMI and ICH. Overall, a 54.84% reduction in redundant examinations was achieved across all three critical conditions. Conclusions The visual KG approach effectively integrates both guideline-recommended and experience-driven examinations, serving as a correlational analysis tool to assess deviations between actual clinical practice and standardized pathways. It provides a quantitative foundation for optimizing clinical pathways, with potential for greater efficiency gains as more critical conditions are incorporated into the graph.
Key words:
Knowledge graph Critical illness Clinical pathway Correlation
临床路径是在循证医学的指导下，由医疗卫生机构中的临床医生、医学专家、护士和医院管理人员针对特定疾病诊断或手术等构建的标准诊治模式或诊治程序，以便患者从入院至出院都能按照统一的标准诊治及管理 [1-2]。其优点在于可以规范临床诊治方案，减少不同临床医生之间诊治的差异率，降低医疗成本及提高医疗质量[3-5]。研究[6]发现，急诊24 h内临床实际检查存在未按临床路径标准实施及超出临床路径标准的现象。为进一步分析其原因并探寻一种能够优化临床路径的新方法，本研究以急性消化道出血、急性心肌梗死和急性脑出血3种急危重症作为研究对象，采用构建可视化知识图谱的方法探究不同急症实际检查与临床路径标准检查出现差异的关联性及原因。
1 资料与方法 1.1 研究资料（1）本研究采用2020年及2022年解放军总医院第一医学中心急诊医学科符合纳入标准的急性消化道出血、急性心肌梗死及急性脑出血急诊24 h内临床实际检查数据为研究资料。纳入研究前患方均已签署知情同意书，本研究符合医院伦理审批标准（伦审第S2022-048-01号）。
1.2 纳入与排除标准纳入标准：国家卫生部门颁布的急性消化道出血临床路径（2017年县医院适应版）[7]、急性心肌梗死临床路径（2016年版）[8]和急性脑出血临床路径（2016年版）[8]的纳入标准为参考，将第一诊断为急性消化道出血、急性心肌梗死及急性脑出血患者急诊24 h内检查项目及次数纳入研究范围。
排除标准：①3种急危重症患者于急诊诊疗时间不足24 h；②3种急危重症患者同时合并其他疾病，并影响第一诊断临床路径实施；③3种急危重症患者为军队人员。
1.3 研究方法 1.3.1 数据收集与分析收集符合纳入标准的3种急危重症患者的基本资料，包括患者年龄、性别、诊断名称以及急诊24 h内实际检查项目及次数等。3种急危重症临床路径标准作为参照，对比分析急诊24 h内实际检查与临床路径标准之间的差异。
1.3.2 可视化知识图谱构建知识图谱由头部实体、尾部实体和实体关系三部分组成。从急诊24 h内临床实际检查及临床路径标准中抽取3种急危重症的病名及检查项目设定为实体，将路径标准检查及非路径检查为实体间关系。将检查次数为实体属性并作为权重，以实体面积直观展示。抽取获得的实体、实体关系及实体属性链接组成三元组用于构建知识图谱。通过可视化知识图谱统计3种急危重症急诊24 h内路径标准检查和非路径检查项数，对比分析急诊24 h内实际检查与路径标准之间差异的关联性。
1.4 统计学方法数据统计分析使用SPSS 22.0软件，使用Echarts 5.6软件中关系图模型构建3种急危重症可视化知识图谱。计量资料符合正态分布者以均数±标准差（x±s）表示，不符合正态分布者以M（Q1，Q3），多组间的比较采用Kruskal Wallis秩和检验，计数资料以构成比（%）表示，多组间比较采用χ2检验。以P < 0.05为差异有统计学意义。
2 结果 2.1 急诊24 h内3种急危重症患者筛选统计3种急危重症患者分别为557例、213例和203例，最终纳入分别为395例、136例和119例（图 1）。
|
| 图 1 3种急危重症患者筛选流程图 Fig 1 Screening flowchart for patients with three critical and acute diseases |
|
|
3种急危重症之间性别（P=0.065）、年龄（P=0.517）差异无统计学意义。见表 1。
表 1 急诊24 h内3种急危重症患者基本资料
Table 1 Basic data of patients with three critical and acute diseases within 24 hours in emergency department
| 指标 | 急性消化道出血(n=395) | 急性心肌梗死(n=136) | 急性脑出血(n=119) | χ2/H | P值 |
| 性别[例(%)] | 5.481 | 0.065 | |||
| 男 | 277(70.13) | 105(77.21) | 76(63.87) | ||
| 女 | 118(29.87) | 31(22.79) | 43(36.13) | ||
| 年龄[岁, M(Q1, Q3)] | 62(51，72) | 62(50，70) | 59(50，71) | 1.318 | 0.517 |
| 男 | 60(50，69) | 58(48，66.5) | 56.5(46.25，66) | 2.878 | 0.237 |
| 女 | 65.5(53，79) | 71(61，78) | 67(53，77) | 2.915 | 0.233 |
| 注：χ2检验统计量为χ2，Kruskal Wallis秩和检验统计量为H值 | |||||
急诊24 h内实际检查次数符合率 > 50%共10项（76.92%），非路径检查 > 50%患者实施次数≥1次增加9项（40.91%）（图 2 A）。
|
| 图 2 3种急危重症急诊24 h内实际检查次数构成比 Fig 2 Composition Ratio of Actual Examination Counts Within 24 Hours in Emergency Settings for Three Critical and Acute Diseases |
|
|
急诊24 h内实际检查次数符合率 > 50%共8项（44.44%），非临床路径检查增加7项（28%）（图 2 B）。
2.3.3 急性脑出血急诊24 h内实际检查次数符合率 > 50%共11项(78.57%)，非临床路径检查增加4项（22.22%）（图 2 C）。
2.4 知识图谱三元组知识要素统计实体：急性消化道出血、急性心肌梗死和急性脑出血分别含23个、26个和19个。统计实体属性：3种急危重症分别含35个、43个和32个。3种急危重症实体关系（路径标准检查、非路径检查）均为2种（表 2）。
表 2 3种急危重症三元组知识要素
Table 2 Analysis of the knowledge elements of three critical and acute diseases
| 急性消化道出血 | 急性心肌梗死 | 急性急性脑出血 | ||||||||
| 实体名称 | 实体属性 | 实体名称 | 实体属性 | 实体名称 | 实体属性 | |||||
| 24 h急诊检查(x) | 临床路径 | 24 h急诊检查(x) | 临床路径 | 24 h急诊检查(x) | 临床路径 | |||||
| 路径标准检查 | ||||||||||
| 血常规 | 1.79 | 1 | 血常规 | 1.43 | 1 | 血常规 | 1.21 | 1 | ||
| 尿常规 | 0.85 | 1 | 尿常规 | 0.57 | 1 | 尿常规 | 0.57 | 1 | ||
| 便常规 | 0.68 | 1 | 便常规 | 0.19 | 1 | 便常规 | 0.10 | 1 | ||
| 肝肾功能 | 1.39 | 1 | 肝肾功能 | 1.68 | 1 | 肝肾功能 | 1.31 | 1 | ||
| 凝血功能 | 1.33 | 1 | 凝血功能 | 1.33 | 1 | 凝血功能 | 1.10 | 1 | ||
| 电解质 | 1.38 | 1 | 电解质 | 1.68 | 1 | 电解质 | 1.32 | 1 | ||
| 心电图 | 1.21 | 1 | 心电图 | 2.94 | 3 | 心电图 | 0.90 | 1 | ||
| 胸片 | 0.02 | 1 | 胸片 | 0.00 | 1 | 胸片 | 0.03 | 1 | ||
| 感染性指标 | 0.77 | 1 | 感染性指标 | 0.92 | 1 | 感染性指标 | 0.92 | 1 | ||
| 血型 | 0.78 | 1 | 血脂 | 0.29 | 1 | 血脂 | 0.23 | 1 | ||
| 腹部（增强）CT | 0.84 | 1 | 血糖 | 1.68 | 2 | 血糖 | 1.30 | 1 | ||
| 胃肠镜 | 0.11 | 1 | 心肌损伤标记物 | 1.44 | 3 | 心肌损伤标记物 | 0.61 | 1 | ||
| 腹部超声 | 0.79 | 1 | 血气分析 | 1.09 | 1 | 血气分析 | 1.22 | 1 | ||
| 超声心动图 | 0.74 | 1 | 头部CT | 0.64 | 1 | |||||
| pro BNP | 1.32 | 1 | ||||||||
| CRP | 0.96 | 1 | ||||||||
| 甲状腺功能 | 0.00 | 1 | ||||||||
| 血小板聚集率 | 0.00 | 1 | ||||||||
| 非路径检查 | ||||||||||
| 降钙素原 | 0.79 | 降钙素原 | 0.53 | 降钙素原 | 0.26 | |||||
| 血气分析 | 1.23 | 头部CT | 0.42 | CRP | 1.05 | |||||
| 心肌损伤标志物 | 0.99 | 肿瘤标志物 | 0.36 | 血氨 | 0.16 | |||||
| 头部CT | 0.58 | 血型 | 0.88 | IL-6 | 0.85 | |||||
| 肿瘤标志物 | 0.72 | 胸部CT | 0.68 | |||||||
| 血氨 | 1.17 | 其他部位超声 | 1.31 | |||||||
| 胸部CT | 0.79 | 腹部（增强）CT | 0.54 | |||||||
| 其他部位超声 | 1.14 | |||||||||
| 盆腔CT | 0.64 | |||||||||
| 注：感染性指标：乙肝、丙肝、梅毒和艾滋病等感染性疾病的相关检测，CRP：C-反应蛋白，pro BNP：脑钠肽前体，IL-6:白介素-6 | ||||||||||
急危重症可视化知识图谱直观展示了急性消化道出血、急性心肌梗死和急性脑出血路径标准检查分别为13项、17项和14项，非路径检查分别为9项、7项和4项（图 3）。
|
| 图 3 3种急危重症24 h急诊检查可视化知识图谱 Fig 3 Visual knowledge graph for 24-hour emergency examinations of three critical and acute diseases |
|
|
3种急危重症相同检查相互对比，构成比分别为77.27%、70.00%和75.00%，重复检查分别减少38.64%、35.00%和37.50%。见表 3。
表 3 3种急危重症急诊24 h内实际检查知识图谱分析
Table 3 Analysis of the knowledge graph on actual examinations within 24 hours for three critical and acute diseases in emergency settings
| 指标 | 急诊24 h内实际检查 | ||||
| 相同检查项数（n） | 实际检查项数（n） | 总计（n） | 相同检查构成比（%） | 重复检查减少百分比（%） | |
| 急性消化道出血与急性心肌梗死 | 17 | 27 | 44 | 77.27 | 38.64 |
| 急性消化道出血与急性脑出血 | 14 | 26 | 40 | 70.00 | 35.00 |
| 急性心肌梗死与急性脑出血 | 15 | 25 | 40 | 75.00 | 37.50 |
| 3种急危重症 | 22 | 28 | 62 | 90.32 | 54.84 |
急诊临床中大多为急危重症患者，病情复杂多变，多呈现难以预测的动态病程[9-11]。如约48.3%的急性脑出血患者中并发应激性溃疡，从而引起急性消化道出血[12]。目前，在急诊情况下，临床路径标准的实施仍存在诸多局限，直接影响到患者的预后。因此，提升急危重症患者的临床检查效率显得尤为重要[13-15]。
通过可视化知识图谱分析发现，急性心肌梗死有88%患者在急诊24 h内实施路径标准之外的血型检查，这与此类患者行抗凝或抗血小板治疗时增加了出血风险有关[16]。在一项急性心肌梗死患者回顾性研究中显示，约7.9%发生轻微出血，0.9%发生有临床意义的大出血[17]。另外，急性消化道出血和急性心肌梗死分别有72%和36%的患者实施肿瘤标志物检查，这可能与恶性肿瘤的发病率逐年上升有关[18]。急性心肌梗死患者恶性肿瘤的发病率约为3%~14.46%[19-21]，在恶性肿瘤治疗过程中，可能引起急性冠状动脉血栓形成或冠状动脉痉挛从而导致急性心肌梗死[22]。这些研究结果为医生非临床路径检查的应用提供了诊疗思路和依据。
本次研究通过构建可视化知识图谱对临床路径执行情况进行差异分析发现3种急危重症患者的检查符合率分别为76.92%、44.44%、78.57%，体现出“标准路径”与“实际诊疗”之间的矛盾核心：急危重症的“动态性”与临床路径的“静态性”的冲突。例如，AMI患者因病情进展快，临床路径中“血脂检查”等非紧急项目常被优先跳过，而“pro BNP”等经验性检查则被额外增加——这种差异并非医生“不遵循路径”，而是路径未匹配急危重症的“抢救优先级”。通过可视化知识图谱有助于将“隐性的诊疗逻辑”转化为“显性的决策工具”，解决急危重症临床路径执行中的“信息差”问题。例如，在抢救流程中，急危重症患者的病情常复杂多变，此时需实时调整路径匹配病情变化，这有助于解决传统临床路径“无法应对病情变化”的痛点，实现“路径随病情动态更新”。
可视化知识图谱并非“替代临床路径”，而是为临床路径注入“动态性”和“智能性”，使其更适应急危重症的诊疗特点，同时需要在未来临床实践中不断扩大样本量并在多中心验证，促进诊疗策略不断优化和完善[23-24]。随着人工智能的快速发展，知识图谱方法作为计算机自然语言处理的基本工具，能够辅助医生处理临床中的大量诊疗数据[25]，能更直观显示不同急危重症的关联性，为临床路径的优化和完善提供了新的思路和方法，并可促进临床路径从单病种向多病种应用提供智能方法和临床依据。
利益冲突 所有作者声明无利益冲突
作者贡献声明 徐绍华：采集数据、实施研究、数据分析、文章撰写；侯绪良：采集数据；冯丽杰：统计分析、材料支持；孙新：技术支持；朱海燕：论文修改、经费支持；沈洪：研究设计、论文修改
参考文献
| [1] | Li W, Min X, Ye PP, et al. Temporal topic model for clinical pathway mining from electronic medical records[J]. BMC Med Inform Decis Mak, 2024, 24(1): 20. DOI:10.1186/s12911-024-02418-1 |
| [2] | Smith A', Girgis A, Taylor N, et al. Step-by-step: a clinical pathway for stepped care management of fear of cancer recurrence-results of a three-round online Delphi consensus process with Australian health professionals and researchers[J]. J Cancer Surviv, 2024. DOI:10.1007/s11764-024-01685-1 |
| [3] | Wind A, van der Linden C, Hartman E, et al. Patient involvement in clinical pathway development, implementation and evaluation - A scoping review of international literature[J]. Patient Educ Couns, 2022, 105(6): 1441-1448. DOI:10.1016/j.pec.2021.10.007 |
| [4] | Askari M, Tam JY, Klundert J. The effectiveness of clinical pathway software in inpatient settings: a systematic review[J]. Int J Med Inform, 2021, 147: 104374. DOI:10.1016/j.ijmedinf.2020.104374 |
| [5] | Li JL, Ao L, Pan J. Satisfaction with clinical pathway implementation versus job performance of clinicians: empirical evidence on the mediating role of work engagement from public hospitals in Sichuan, China[J]. BMC Health Serv Res, 2024, 24(1): 348. DOI:10.1186/s12913-024-10856-w |
| [6] | 侯绪良, 王佳, 陈威, 等. 三种急危症24小时诊疗数据与临床路径标准的对比分析[J]. 中国急救医学, 2022, 42(4): 293-297. DOI:10.3969/j.issn.1002-1949.2022.04.004 |
| [7] | 中华医学会. 消化道出血临床路径(2017年县医院适用版)[EB/OL]. (2018-10-18) [2021-06-18]. https://www.cma.org.cn/art/2018/6/8/art_1542_225.html. |
| [8] | 中华医学会. 中华医学会根据"国家卫生计生委办公厅关于实施有关病种临床路径的通知"要求发布临床路径[EB/OL]. (2016-12-09) [2021-06-18]. https://www.cma.org.cn/art/2016/12/9/art_41_18009.html. |
| [9] | 黎圣梦婷, 杨杰, 陈棚棚, 等. 医学人工智能在急危重症应用中的难点及对策[J]. 中华急诊医学杂志, 2025, 34(5): 609-616. DOI:10.3760/cma.j.issn.1671-0282.2025.05.001 |
| [10] | 何小军, 张国强, 马岳峰. 急危重症医学研究热点与发展方向[J]. 中华急诊医学杂志, 2023, 32(8): 1020-1023. DOI:10.3760/cma.j.issn.1671-0282.2023.08.002 |
| [11] | 陈鹏, 李萍, 杨雲天, 等. 5G信息平台医联体间急危重症救治模式初探[J]. 中华急诊医学杂志, 2023, 32(3): 427-430. DOI:10.3760/cma.j.issn.1671-0282.2023.03.030 |
| [12] | Zou Y, Zhang W, Huang CJ, et al. Clinical significance of neutrophil to lymphocyte ratio and platelet to lymphocyte ratio in acute cerebral hemorrhage with gastrointestinal hemorrhage, and logistic regression analysis of risk factors[J]. Exp Ther Med, 2019, 18(3): 1533-1538. DOI:10.3892/etm.2019.7778 |
| [13] | 颜利晶, 沈波, 魏捷, 等. 互联网智慧医疗急危重症智能防治及主动应对系统的创建和探索[J]. 中华急诊医学杂志, 2025, 34(6): 892-894. DOI:10.3760/cma.j.issn.1671-0282.2025.06.027 |
| [14] | Yoo WJ, Ahn S, Chae B, et al. Computed tomography coronary angiography after excluding myocardial infarction: high-sensitivity troponin versus risk score-guided approach[J]. World J Emerg Med, 2023, 14(6): 428-433. DOI:10.5847/wjem.j.1920-8642.2023.094 |
| [15] | Huang BT, Cheng YH, Yang BS, et al. The influence of pressure injury risk on the association between left ventricular ejection fraction and all-cause mortality in patients with acute myocardial infarction 80 years or older[J]. World J Emerg Med, 2023, 14(2): 112-121. DOI:10.5847/wjem.j.1920-8642.2023.026 |
| [16] | Krackhardt F, Waliszewski M, Kočka V, et al. Correction to: real-world dual antiplatelet therapy following polymer-free sirolimus-eluting stent implantations to treat coronary artery disease[J]. Cardiovasc Drugs Ther, 2022, 36(6): 1257-1258. DOI:10.1007/s10557-021-07290-z |
| [17] | Murali S, Vogrin S, Noaman S, et al. Bleeding severity in percutaneous coronary intervention (PCI) and its impact on short-term clinical outcomes[J]. J Clin Med, 2020, 9(5): E1426. DOI:10.3390/jcm9051426 |
| [18] | Huang JJ, Ngai CH, Deng YY, et al. Cancer incidence and mortality in Asian countries: a trend analysis[J]. Cancer Control, 2022, 29: 10732748221095955. DOI:10.1177/10732748221095955 |
| [19] | Rohrmann S, Witassek F, Erne P, et al. Treatment of patients with myocardial infarction depends on history of cancer[J]. Eur Heart J Acute Cardiovasc Care, 2018, 7(7): 639-645. DOI:10.1177/2048872617729636 |
| [20] | Gevaert SA, Halvorsen S, Sinnaeve PR, et al. Evaluation and management of cancer patients presenting with acute cardiovascular disease: a Consensus Document of the Acute CardioVascular Care (ACVC) association and the ESC council of Cardio-Oncology-Part 1: acute coronary syndromes and acute pericardial diseases[J]. Eur Heart J Acute Cardiovasc Care, 2021, 10(8): 947-959. DOI:10.1093/ehjacc/zuab056 |
| [21] | Sundbøll J, Veres K, Troelsen FS, et al. Myocardial infarction and short- or long-term risk of a subsequent cancer diagnosis: a Danish Nationwide Cohort Study[J]. J Thromb Haemost, 2025, 23(3): 1023-1033. DOI:10.1016/j.jtha.2024.12.008 |
| [22] | Das D, Asher A, Ghosh AK. Cancer and coronary artery disease: common associations, diagnosis and management challenges[J]. Curr Treat Options Oncol, 2019, 20(6): 46. DOI:10.1007/s11864-019-0644-3 |
| [23] | Lagergren SM, Jensen M, Beaven B, et al. Clinical pathway for the Fontan patient to standardise care and improve outcomes[J]. Cardiol Young, 2020, 30(9): 1247-1252. DOI:10.1017/S1047951120001924 |
| [24] | Larson CL, Vanstone JR, Mise TR, et al. Development and validity testing of a matrix to evaluate maturity of clinical pathways: a case study in Saskatchewan, Canada[J]. BMC Health Serv Res, 2024, 24(1): 793. DOI:10.1186/s12913-024-11239-x |
| [25] | Wu HH, Wang MH, Wu JG, et al. A survey on clinical natural language processing in the United Kingdom from 2007 to 2022[J]. NPJ Digit Med, 2022, 5(1): 186. DOI:10.1038/s41746-022-00730-6 |