我创建了以下函数来进行布尔搜索：
def searchString(string):
if (('ehr' or 'electronic health record' or 'emr' or 'electronic medical record' or 'text narratives' or 'hospital records' or 'electronic patient records' or 'mental health record') and ('natural language processing' or 'nlp' or 'text mining' or 'information extraction' or 'natural language generation' or 'information retrieval' or 'narrative extraction' or 'narrative processing') and ('psych' or 'mental')) in string:
return True
return False
当我在Pandas数据框上运行此函数时，它在此文本上返回了False：
自然语言处理，用于使用uk-cris构建抑郁症的临床文本数据。背景：利用从二级保健中定期收集的电子健康记录为医学科学研究提供了前所未有的可能性，但也可能会带来困难。一个关键问题是医疗信息以自由格式的文本形式显示，因此需要临床医生花费时间来手动提取重要信息。自然语言处理（nlp）方法可用于自动提取临床相关信息。目标：我们的目标是利用自然语言处理（nlp）从临床记录交互式搜索（cris）临床文本中获取抑郁症患者的真实数据，以促进在心理健康研究中使用电子医疗数据。方法：我们使用了多种方法来从电子健康记录中提取重要信息。首先，临床专家定义感兴趣的信息，然后为统计模型建立训练和测试语料库。第二，我们使用主动学习程序建立并微调统计模型。调查结果：结果表明，在提取毒品相关信息方面具有很高的准确性。相反，相对于辅助变量，显示出较低的准确性。结合最新的主动学习范例，该模型的性能将大大提高。结论：这项研究说明了使用自然语言处理模型的可行性，并提出了一条用于从电子健康记录中准确提取信息的研究管道。临床意义：真实的个人患者数据是宝贵的信息来源，可用于更好地个性化治疗。 ci-（c）作者（或他们的雇主） 2020年。禁止商业重用。查看权限。由bmj发布。
它在此文本上返回了True：
人工智能方法来预测和检测老年人的认知能力下降：概念性回顾。保持认知和智力能力对于自主权衰老至关重要。早期发现病理性认知功能下降有助于恢复或预防治疗的最大作用。医疗保健中的人工智能（ai）是使用模仿人类认知功能的计算算法来分析复杂的医学数据。当进行疾病的诊断，预后和治疗时，诸如机器学习（ml）之类的人工智能技术支持生物学，心理和社会因素的整合。本文通过提供本主题的概念性概述，着重于探讨的特征和采用的人工智能技术，以使临床医生和其他利益相关者了解人工智能在预测，诊断和分类轻度和主要神经认知损害中的用途，益处和局限性。我们提出的研究可分为六类，用于这些目的的特征：（1）社会人口统计学； （2）临床和心理测评； （3）神经影像学和神经生理学； （4）电子健康记录和索赔； （5）新颖的评估（例如，数字数据传感器）； （6）基因组学/其他组学。对于每个类别，我们提供人工智能方法的示例，包括有监督和无监督的ml，深度学习和自然语言处理。在医疗领域仍处于萌芽状态的人工智能技术具有巨大的潜力，可以改变我们诊断和治疗神经认知障碍患者的方式。 ci-版权所有（c）2019 elsevier b.v.保留所有权利。
因为第一个文本包含元素“ 自然语言处理”，“ 电子健康记录”和“ 心理”，所以我希望为True，但它返回False。谁能告诉我我在这里做错了什么？