Siden loven om patientsikkerhed trådte i kraft i 2004, har det været lovpligtigt at indberette utilsigtede hændelser til Dansk Patientsikkerhedsdatabase (DPSD). I 2010 blev der rapporteret ca. 35.000 hændelser, hvilket er en tidobling siden indførelsen af rapporteringspligten. I dag klassificeres rapporterne ved en manuel retrospektiv gennemgang fortaget af risikomanagere og ansatte ved Patientombuddet.
I dette projekt undersøges potentialet for anvendelse af automatisk tekstklassifikation til kategorisering af IT-relaterede utilsigtede hændelser indrapporteret til DPSD. Et system kaldet UTH-Finder blev udviklet, som ved anvendelse af en Naive Bayes algoritme kunne processere og klassificere DPSD rapporter.
Et balanceret træningssæt på 482 rapporter (241 IT-relaterede og 241 andre hændelser) og tre testsæt på hver 1.000 rapporter blev anvendt til at teste systemet. Resultatet af testen viste en nøjagtighed og specificitet på 95 % ved klassifikation af IT-relaterede utilsigtede hændelser.
Det konkluderes med udviklingen af UTH-Finder at automatisk tekstklassifikation har potentiale for anvendelse til kategorisering af utilsigtede hændelser fra DPSD.