Configuratie

Labelen

Tijdens het zoeken naar informatie is het belangrijk om een onderscheid te maken tussen de soorten informatie om zo een overzicht te kunnen krijgen. Door gebruik van labels kunnen documenten worden beoordeeld op ter zaken doende, niet ter zakendoende, Legal Privileged Protected, Persoonsgegevens of Medische gegevens. Door middel van deze labels kan er overzichtelijk worden weergegeven wat voor soort informatie er in een dataset te vinden is. Door informatie te labelen wordt de grote hoeveelheid data onderverdeeld in categorieën met kleinere hoeveelheden data waardoor er beter overzicht kan worden gehouden in grote datasets. Noodzakelijke labels kunnen altijd worden aangemaakt.

Zelf labels maken

Wanneer u labels mist, is het mogelijk om deze zelf te maken. U klikt op het hamericoontje in de linker menubalk. Daar kiest u de optie Configuratie. Klik hierna op Labels. In dit scherm kunt u zelf labels aanmaken, aanpassen en verwijderen. Wanneer u de rechten heeft om labels te kunnen verwijderen kan dit alleen indien er geen documenten gelabeld zijn met de desbetreffende label. Voor meer informatie kunt u naar Tags (Engelstalig) gaan.

Belangrijk: Afhankelijk van uw rechten, kan het zijn dat u geen bevoegdheid heeft om labels te maken. Wilt u dit wel graag? Neem dan contact op met ZyLAB.

Trefwoorden markeren

Trefwoorden markeren (Keyword Highlighting) kan gebruikt worden voor het markeren van bepaalde termen, zinnen of patronen in documenten die potentieel relevant kunnen zijn. Keyword Highlighting kan gebruikt worden voor trefwoorden die mogelijk belangrijk zijn voor uw dossier.

Trefwoorden die u bijvoorbeeld kunt laten highlighten zijn: diagnose behandel code (DBC), declareren of bepaalde behandelingen zoals knieoperatie. Wanneer er een keyword highlighting regel is gemaakt zal het trefwoord worden gemarkeerd in het document om de reviewer te attenderen dat het specifieke trefwoord in het document voorkomt.

In tegenstelling tot de trefwoord zoekfunctie worden de trefwoorden die binnen de Keyword highlighting regel vallen altijd gemarkeerd. Bij het aanmaken van deze regels worden alle trefwoorden in de gehele dataset gemarkeerd.

Gebruik Keyword Highlighting om termen zoals dbc of declareren aanwezig in documenten te markeren. Hierdoor komt er tijdens het reviewen van documenten een beter overzicht welke informatie zich in een document bevindt. Zie hieronder een Engelstalige video en uitleg.

Define a keyword rule that will find and highlight terms in a specific (other than the default yellow) color.

  • On the Home page, select Configuration:

  • Select Keyword Highlighting:
     
  • You will see a list of all keyword rules that have already been created. These can be deleted or edited.
    To create a new one, select Create New Item        
  • Define the Name. 
  • Define one or more Keyword Queries.
  • Click  

 

Query Syntax Help

For more information, please refer to ZyLAB One Search Language Guide.

Use predefined macros, like #amount# or #date#. A "Placeholder #xxx# is not found" message is shown when the macro is not recognized.

  • Fuzzy
    finds variations of a term.
    Example: dutch~1, will find dutch, ditch, duich, durch, etc.
  • Question Mark ?
    matches a single character.
    Example: wom?n, will find woman and women.
  • Asterisk *
    matches zero or more characters.
    Example: *most, will find most and almost.
  • AND
    finds related terms and narrows your search.
    Example: president AND america, will only find files with both terms.
  • OR
    finds one or all terms and broadens your search.
    Example, car OR transportation, will find files with only the term car or transportation, and files with both terms.
  • NOT
    allows you to exclude terms.
    Example: NOT apple, will find all files that do not contain the term apple.
  • TO
    finds occurrences of a term/query falling between two other terms/queries.
    Example: dear TO sincerely {John}, will find the term John falling between dear and sincerely.
  • Within
    finds related terms within a defined range.
    Example: Tom w/2 John, will find the term Tom within two positions (terms) from John (Tom knows John because Tom is his brother).
  • Precedes
    finds preceding terms within a defined range.
    Example: live p/2 work, will find ‘live to work’ but not ‘work to live’.
  • Number Range
    finds numbers or number ranges.
    Example: (>1 : <10), will find all values between 1 and 10.
  • Quorum
    finds a specified number of terms from a list.
    Example: 1 of {blue, green, red}, will find at least one or more colors from the list in a file.
  • Character Patterns []
    matches a single character and/or range that is contained within the brackets.
    Example: m[a-z]n, will find all terms with three letters that start with an m and end with an n.
  • Negation [^]
    negates a single character and/or range that is contained within the brackets.
    Example: [^b]pple, will find apple, but also –pple, cpple, dpple, cpple, etc. But not bpple.
  • Preceding Element +
    matches the preceding element one or more times.
    Example: ab+c, will find abc, abbc, abbbc, abbbbc, etc. But not ac.
  • Preceding Element {m,n}
    matches the preceding element at least m and not more than n times.
    Example: ba{2,3}b, will find baab, baaab, but not bab, baaaab.
  • Preceding Element {m}
    matches the preceding element exactly m times.
    Example: [0-9]{3}-[0-9]{4}, will find local phone number 123-4567.
  • Preceding Element {m,}
    matches preceding element at least m times.
    Example: ba{0,}b, will find bb, bab, baab, baaab, etc.