产科咨询笔记中的隐式框架：符合 VBAC 资格的队列中的依据原文证据的大模型流水线

临床框架（临床信息呈现的语言方式）可以影响患者的理解和决策，对医疗保健结果具有重要影响。产科是一个高风险领域，医生会就剖腹产后阴道分娩 (VBAC) 和再次剖宫产 (RCS) 等分娩方式选择向患者提供咨询，但在大规模临床文本分析中，咨询语言仍未得到充分探索。在这项工作中，我们分析了 2,024 例产科病史和身体叙述中的医生咨询语言，这些患者是严格定义的患者队列，对于这些患者来说 VBAC 和 RCS 都是临床上可行的选择。为了控制因医疗禁忌症引起的混淆，我们首先使用结构化临床数据构建一个符合 VBAC 资格的队列，并辅以基于 大语言模型 (LLM) 的提取管道，该管道仅限于来自自由文本叙述的可在原文定位的逐字证据。然后，我们应用零样本 LLM 框架将咨询片段分类为预定义的框架类别，捕获医生如何以语言方式呈现交付选项。我们的分析揭示了 VBAC 和 RCS 笔记之间的咨询框架分布存在显着差异；与 VBAC 相比，以风险为中心的语言在 RCS 文档中所占的咨询部分要大得多，统计测试证实了类别级别的差异，凸显了基于 LLM 的受控框架分析在产科护理中的价值。