Studies in health technology and informatics · 2026
Uncovering Topics in Dutch Patient Messages in Inflammatory Bowel Disease: A Comparative Study of Embedding Models for Neural Topic Modeling.
СтатьяСравнительное исследованиеНазвание и аннотация: Перевод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Zhang Jiaxu, Puts Sander, Hendrix Evelien, Aliu Arta, Okegunna Yomi, Wintjens Dion, Mujagić Zlatan, Dekker Andre, Pierik Marieke, Fijten Rianne
Аннотация
This study applied natural language processing to identify common topics in 12,054 Dutch patient-provider messages in inflammatory bowel disease. Using the BERTopic framework, three embedding models were evaluated with topic diversity, Cv coherence, and topic assignment proportion. A lightweight Dutch-specific embedding model (RobBERT) outperformed two larger multilingual models (MPNet Sentence Transformer and QWEN3-embedding-8B). We identified 120 sentence-level topics covering medical and administrative themes. Results showed that 22% of messages did not require specialist attention, highlighting the potential of neural topic models for automated triage in digital IBD care.