Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Mendeteksi entitas (Versi 2)
Gunakan **DetectEntitiesV2** untuk mendeteksi entitas dalam file tunggal atau **StartEntitiesDetectionV2Job** untuk analisis batch pada beberapa file. Anda dapat mendeteksi entitas dalam kategori berikut:
+ `ANATOMY:`Mendeteksi referensi ke bagian-bagian tubuh atau sistem tubuh dan lokasi bagian atau sistem tersebut.
+ `BEHAVIORAL_ENVIRONMENTAL_SOCIAL`: Mendeteksi perilaku dan kondisi di lingkungan yang berdampak pada kesehatan seseorang. Ini termasuk penggunaan tembakau, konsumsi alkohol, penggunaan narkoba rekreasi, alergi, jenis kelamin, dan ras/etnis.
+ `MEDICAL_CONDITION:`Mendeteksi tanda, gejala, dan diagnosis kondisi medis.
+ `MEDICATION:`Mendeteksi informasi obat dan dosis pada pasien.
+ `PROTECTED_HEALTH_INFORMATION:`Mendeteksi informasi pribadi pasien.
+ `TEST_TREATMENT_PROCEDURE:`Mendeteksi prosedur yang digunakan untuk menentukan kondisi medis.
+ `TIME_EXPRESSION:`Mendeteksi entitas yang terkait dengan waktu ketika mereka dikaitkan dengan entitas yang terdeteksi.
Semua enam kategori terdeteksi oleh operasi **DetectEntitiesV2**. **Untuk analisis khusus untuk mendeteksi PHI, gunakan **DetectPhi** pada file tunggal dan Start Job untuk analisis batch. PHIDetection**
Amazon Comprehend Medical mendeteksi informasi dalam kelas-kelas berikut:
+ *Entitas:* Referensi teks untuk nama objek yang relevan, seperti orang, perawatan, obat-obatan, dan kondisi medis. Misalnya, `ibuprofen`.
+ *Kategori:* Pengelompokan umum yang dimiliki entitas. Misalnya, ibuprofen adalah bagian dari `MEDICATION` kategori.
+ *Jenis:* Jenis entitas yang terdeteksi dalam satu kategori. Misalnya, ibuprofen termasuk dalam `GENERIC_NAME` tipe dalam `MEDICATION` kategori.
+ *Atribut:* Informasi yang terkait dengan suatu entitas, seperti dosis obat. Misalnya, `200 mg` adalah atribut dari entitas ibuprofen.
+ *Sifat:* Sesuatu yang Amazon Comprehend Medical pahami tentang suatu entitas, berdasarkan konteks. Misalnya, obat memiliki `NEGATION` sifat jika pasien tidak meminumnya.
+ *Tipe Hubungan:* Hubungan antara entitas dan atribut.
Amazon Comprehend Medical memberi Anda lokasi entitas dalam teks input. Di konsol Amazon Comprehend, ini menunjukkan lokasi secara grafis. Saat Anda menggunakan API, ini menunjukkan lokasi dengan offset numerik.
Setiap entitas dan atribut menyertakan skor yang menunjukkan tingkat kepercayaan yang dimiliki Amazon Comprehend Medical dalam keakuratan deteksi. Setiap atribut juga memiliki skor hubungan. Skor menunjukkan tingkat kepercayaan yang dimiliki Amazon Comprehend Medical dalam keakuratan hubungan antara atribut dan entitas induknya. Identifikasi ambang kepercayaan yang sesuai untuk kasus penggunaan Anda. Gunakan ambang kepercayaan tinggi dalam situasi yang membutuhkan akurasi tinggi. Saring data yang tidak memenuhi ambang batas.
## Kategori anatomi
`ANATOMY`Kategori ini mendeteksi referensi ke bagian-bagian tubuh atau sistem tubuh dan lokasi bagian atau sistem tersebut.
### Tipe
+ `SYSTEM_ORGAN_SITE`: Sistem tubuh, lokasi atau daerah anatomi, dan situs tubuh.
### Atribut
+ `DIRECTION`: Istilah terarah. Misalnya, kiri, kanan, medial, lateral, atas, bawah, posterior, anterior, distal, proksimal, kontralateral, bilateral, ipsilateral, dorsal, ventral, dan sebagainya.
## Kategori kesehatan perilaku, lingkungan, dan sosial
`BEHAVIORAL_ENVIRONMENTAL_SOCIAL`Kategori ini mendeteksi referensi perilaku dan kondisi di lingkungan yang berdampak pada kesehatan seseorang.
### Tipe
+ `ALCOHOL_CONSUMPTION`: Mendefinisikan konsumsi alkohol pasien dalam hal status penggunaan, frekuensi, jumlah, dan durasi.
+ `ALLERGIES`: Mendefinisikan alergi dan respons pasien terhadap alergen.
+ `GENDER`: Identifikasi karakteristik identitas gender.
+ `RACE_ETHNICITY`Konstruksi sosial-politik dari identifikasi pasien dengan kelompok ras dan etnis tertentu.
+ `REC_DRUG_USE`: Mendefinisikan penggunaan obat rekreasi pasien dalam hal status penggunaan, frekuensi, jumlah, dan durasi.
+ `TOBACCO_USE`: Mendefinisikan penggunaan tembakau pasien dalam hal status penggunaan, frekuensi, jumlah, dan durasi.Atribut
Atribut terdeteksi berikut hanya berlaku untuk tipe`ALCOHOL_CONSUMPTION`,`TOBACCO_USE`, dan`REC_DRUG_USE`:
+ `AMOUNT`: Jumlah alkohol, tembakau, atau obat rekreasi yang digunakan.
+ `DURATION`: Berapa lama alkohol, tembakau, atau obat rekreasi telah digunakan.
+ `FREQUENCY`: Seberapa sering alkohol, tembakau, atau obat rekreasi digunakan.
### Sifat-sifat
Ciri-ciri yang terdeteksi berikut hanya berlaku untuk jenis`ALCOHOL_CONSUMPTION`,`ALLERGIES`,`TOBACCO_USE`, dan`REC_DRUG_USE`:
+ `NEGATION`: Indikasi bahwa hasil atau tindakan negatif atau tidak dilakukan.
+ `PAST_HISTORY`Indikasi bahwa penggunaan alkohol, tembakau, atau obat-obatan rekreasi berasal dari masa lalu pasien (sebelum pertemuan saat ini).
## Kategori kondisi medis
`MEDICAL_CONDITION`Kategori ini mendeteksi tanda, gejala, dan diagnosis kondisi medis. Kategori ini memiliki satu tipe entitas, empat atribut, dan empat sifat. Satu atau lebih sifat dapat dikaitkan dengan suatu tipe. Informasi kontekstual tentang atribut dan hubungannya dengan diagnosis terdeteksi dan dipetakan ke `DX_NAME` through `RELATIONSHIP_EXTRACTION.` Misalnya, dari teks “nyeri kronis di kaki kiri”, “kronis” terdeteksi sebagai atribut`ACUITY`, “kiri” terdeteksi sebagai atribut`DIRECTION`, dan “kaki” terdeteksi sebagai atribut. `SYSTEM_ORGAN_SITE` Hubungan masing-masing atribut ini dipetakan ke entitas kondisi medis “nyeri,” bersama dengan skor kepercayaan.
### Tipe
+ `DX_NAME`: Semua kondisi medis terdaftar. `DX_NAME`Jenis ini termasuk penyakit saat ini, alasan kunjungan, dan riwayat medis.
### Atribut
+ `ACUITY`Penentuan contoh penyakit, seperti kronis, akut, tiba-tiba, persisten, atau bertahap.
+ `DIRECTION`: Istilah terarah. Misalnya, kiri, kanan, medial, lateral, atas, bawah, posterior, anterior, distal, proksimal, kontralateral, bilateral, ipsilateral, dorsal, atau ventral.
+ `SYSTEM_ORGAN_SITE`: Lokasi anatomi.
+ `QUALITY`Setiap istilah deskriptif dari kondisi medis, seperti tahap atau kelas.
### Sifat-sifat
+ `DIAGNOSIS`: Kondisi medis yang ditentukan sebagai penyebab atau akibat dari gejala. Gejala dapat ditemukan melalui temuan fisik, laporan laboratorium atau radiologis, atau cara lain.
+ `HYPOTHETICAL`: Indikasi bahwa suatu kondisi medis dinyatakan sebagai hipotesis.
+ `LOW_CONFIDENCE`: Indikasi bahwa suatu kondisi medis dinyatakan memiliki ketidakpastian yang tinggi. Ini tidak terkait langsung dengan skor kepercayaan yang diberikan.
+ `NEGATION`: Indikasi bahwa hasil atau tindakan negatif atau tidak dilakukan.
+ `PERTAINS_TO_FAMILY`: Indikasi bahwa suatu kondisi medis relevan dengan keluarga pasien, bukan pasien.
+ `SIGN`: Kondisi medis yang dilaporkan dokter.
+ `SYMPTOM`: Kondisi medis yang dilaporkan pasien.
## Kategori obat
`MEDICATION`Kategori ini mendeteksi informasi obat dan dosis untuk pasien. Satu atau beberapa atribut dapat diterapkan ke suatu tipe.
### Tipe
+ `BRAND_NAME`: Nama merek obat atau agen terapeutik yang dilindungi hak cipta.
+ `GENERIC_NAME`: Nama non-merek, nama bahan, atau campuran formula obat atau agen terapeutik.
### Atribut
+ `DOSAGE`: Jumlah obat yang dipesan.
+ `DURATION`: Berapa lama obat harus diberikan.
+ `FORM`: Bentuk obatnya.
+ `FREQUENCY`: Seberapa sering memberikan obat.
+ `RATE`: Tingkat pemberian obat (terutama untuk infus obat atau IVs).
+ `ROUTE_OR_MODE`: Metode pemberian obat.
+ `STRENGTH`: Kekuatan obat.
### Sifat-sifat
+ `NEGATION`: Setiap indikasi bahwa pasien tidak minum obat.
+ `PAST_HISTORY`: Indikasi bahwa obat yang terdeteksi berasal dari masa lalu pasien (sebelum pertemuan saat ini).
## Kategori informasi kesehatan yang dilindungi
`PROTECTED_HEALTH_INFORMATION`Kategori mendeteksi informasi pribadi pasien. Lihat [Mendeteksi PHI](textanalysis-phi.md) untuk mempelajari lebih lanjut tentang operasi ini.
### Tipe
+ `ADDRESS`Semua subdivisi geografis dari alamat fasilitas, unit, atau lingkungan apa pun dalam suatu fasilitas.
+ `AGE`: Semua komponen usia, rentang usia, atau usia apa pun yang disebutkan. Ini termasuk pasien, anggota keluarga, atau orang lain. Defaultnya dalam beberapa tahun, kecuali dinyatakan lain.
+ `EMAIL`: Alamat email apa pun.
+ `ID`: Nomor Jaminan Sosial, nomor rekam medis, nomor identifikasi fasilitas, nomor uji klinis, nomor sertifikat atau lisensi, nomor kendaraan atau perangkat, tempat perawatan, atau penyedia. Ini juga termasuk jumlah biometrik pasien, seperti tinggi badan, berat badan, atau nilai laboratorium.
+ `NAME`: Semua nama. Biasanya, nama pasien, keluarga, atau penyedia.
+ `PHONE_OR_FAX`: Nomor telepon, faks, atau pager apa pun. Tidak termasuk nomor telepon bernama, seperti 1-800-QUIT-NOW dan 911.
+ `PROFESSION`: Setiap profesi atau majikan yang berkaitan dengan pasien atau keluarga pasien. Itu tidak termasuk profesi dokter yang disebutkan dalam catatan.
## Kategori tes, perawatan, dan prosedur
`TEST_TREATMENT_PROCEDURE`Kategori mendeteksi prosedur yang digunakan untuk menentukan kondisi medis. Satu atau lebih atribut dapat dikaitkan dengan entitas `TEST_NAME` tipe.
### Tipe
+ `PROCEDURE_NAME`Intervensi sebagai tindakan satu kali yang dilakukan pada pasien untuk mengobati kondisi medis atau untuk memberikan perawatan pasien.
+ `TEST_NAME`Prosedur yang dilakukan pada pasien untuk diagnostik, pengukuran, skrining, atau penilaian yang mungkin memiliki nilai yang dihasilkan. Ini termasuk prosedur, proses, evaluasi, atau penilaian apa pun untuk menentukan diagnosis, untuk mengesampingkan atau menemukan suatu kondisi, atau untuk mengukur atau menilai pasien.
+ `TREATMENT_NAME`Intervensi dilakukan selama rentang waktu untuk memerangi penyakit atau gangguan. Ini termasuk pengelompokan obat-obatan, seperti antivirus dan vaksinasi.
### Atribut
+ `TEST_VALUE`: Hasil tes. Hanya berlaku untuk tipe `TEST_NAME` entitas.
+ `TEST_UNIT`: Satuan ukuran yang mungkin menyertai nilai tes. Hanya berlaku untuk tipe `TEST_NAME` entitas.
### Sifat-sifat
+ `FUTURE`Indikasi bahwa tes, perawatan, atau prosedur mengacu pada tindakan atau peristiwa yang akan terjadi setelah subjek catatan.
+ `HYPOTHETICAL`Indikasi bahwa tes, pengobatan, atau prosedur dinyatakan sebagai hipotesis.
+ `NEGATION`: Indikasi bahwa hasil atau tindakan negatif atau tidak dilakukan.
+ `PAST_HISTORY`Indikasi bahwa tes, perawatan, atau prosedur berasal dari masa lalu pasien (sebelum pertemuan saat ini).
## Kategori ekspresi waktu
`TIME_EXPRESSION`Kategori mendeteksi entitas yang terkait dengan waktu. Ini termasuk entitas seperti tanggal dan ekspresi waktu seperti “tiga hari yang lalu,” “hari ini,” “saat ini,” “hari masuk,” “bulan lalu,” atau “16 hari.” Hasil dalam kategori ini hanya dikembalikan jika dikaitkan dengan entitas. Misalnya, “Kemarin, pasien mengonsumsi 200 mg ibuprofen” akan kembali `Yesterday` sebagai `TIME_EXPRESSION` entitas yang tumpang tindih dengan `GENERIC_NAME` entitas “ibuprofen.” Namun, itu tidak akan diakui sebagai entitas dalam “kemarin, pasien berjalan dengan anjingnya.”
### Tipe
+ `TIME_TO_MEDICATION_NAME`: Tanggal obat diminum. Atribut khusus untuk jenis ini adalah `BRAND_NAME` dan`GENERIC_NAME`.
+ `TIME_TO_DX_NAME`: Tanggal kondisi medis terjadi. Atribut untuk tipe ini adalah`DX_NAME`.
+ `TIME_TO_TEST_NAME`: Tanggal tes dilakukan. Atribut untuk tipe ini adalah`TEST_NAME`.
+ `TIME_TO_PROCEDURE_NAME`: Tanggal prosedur dilakukan. Atribut untuk tipe ini adalah`PROCEDURE_NAME`.
+ `TIME_TO_TREATMENT_NAME`: Tanggal pengobatan diberikan. Atribut untuk tipe ini adalah`TREATMENT_NAME`.
### Jenis hubungan
+ Hubungan antara entitas dan atribut. Yang diakui `Relationship_type` adalah sebagai berikut:
`Overlap`— `TIME_EXPRESSION` Kesepakatan dengan entitas yang terdeteksi.