Vai var paredzēt pašnāvību pēc pacientu pierakstiem?

Jauns pētījums parāda, ka ar prognozējošu datora modeli var identificēt pacientus, kuriem ir risks pašnāvības mēģinājumiem, izmantojot to elektronisko veselības reģistru modeļus - vidēji divus gadus pirms laika.

Šādi modeļi varētu potenciāli brīdināt veselības aprūpes speciālistus pirms vizītes, palīdzot pacientiem veikt atbilstošu iejaukšanos, saka pētnieki no Bostonas Bērnu slimnīcas un Masačūsetsas vispārējās slimnīcas.

Secinājumi ir publicēti JAMA tīkls atvērts.

“Datori nevar aizstāt aprūpes komandas, nosakot garīgās veselības problēmas. Bet mēs uzskatām, ka datori, ja tie ir labi izstrādāti, varētu identificēt augsta riska pacientus, kuri, iespējams, veselības sistēmai nepamanīti, šobrīd var izkrist cauri plaisām, ”sacīja Bens Reiss, Ph.D., Prediktīvās medicīnas grupas direktors, daļa no skaitļošanas veselības informātikas programma (CHIP) Bostonas bērnu slimnīcā un šī dokumenta līdzautore.

"Mēs iedomājamies sistēmu, kas varētu pateikt ārstam:" no visiem jūsu pacientiem šie trīs ietilpst augsta riska kategorijā. Veltiet dažas papildu minūtes, lai runātu ar viņiem. "

Pētījumam pētnieki analizēja elektronisko veselības datu datus no vairāk nekā 3,7 miljoniem pacientu vecumā no 10 līdz 90 gadiem piecās dažādās ASV veselības aprūpes sistēmās: Partners HealthCare System Bostonā; Bostonas medicīnas centrs; Bostonas bērnu slimnīca; Wake Forest medicīnas centrs Ziemeļkarolīnā; un Teksasas Universitātes Veselības zinātnes centrs Hjūstonā.

Dažādos centros bija pieejami dati no 6 līdz 17 gadiem, tostarp diagnostikas kodi, laboratorijas testu rezultāti, medicīnisko procedūru kodi un medikamenti.

Ieraksti atklāja kopumā 39 162 pašnāvības mēģinājumus. Modeļi spēja noteikt 38 ​​procentus no tiem (piecos centros tas bija no 33 līdz 39 procentiem) ar 90 procentu specifiskumu. Gadījumi tika izvēlēti vidēji 2,1 gadu pirms faktiskā pašnāvības mēģinājuma (diapazons no 1,3 līdz 3,5 gadiem).

Spēcīgākie prognozētāji, kas nav pārsteidzoši, bija saindēšanās ar narkotikām, atkarība no narkotikām, akūta alkohola intoksikācija un vairāki garīgās veselības apstākļi. Bet citi prognozētāji bija tādi, kas parasti neienāk prātā, piemēram, rabdomiolīze, celulīts vai rokas abscess un HIV zāles.

"Nebija viena prognozētāja," saka Reiss. "Tas drīzāk ir geštalts vai pierādījumu līdzsvars, vispārējs signāls, kas laika gaitā veidojas."

Komanda izstrādāja modeli divos posmos, izmantojot mašīnmācīšanās pieeju. Pirmkārt, viņi pusi no pacientu datiem parādīja datora modelim, novirzot to atrast modeļus, kas bija saistīti ar dokumentētiem pašnāvības mēģinājumiem.

Pēc tam viņi izmantoja mācības, kas gūtas no šī “apmācības” vingrinājuma, un apstiprināja tās, izmantojot otru pusi viņu datu; lūdzot modeli, pamatojoties tikai uz šiem modeļiem, paredzēt, kuri pacienti galu galā mēģinās izdarīt pašnāvību.

Kopumā modelis visos piecos medicīnas centros darbojās līdzīgi, taču modeļa pārkvalificēšana atsevišķos centros deva labākus rezultātus.

"Mēs būtu varējuši izveidot vienu modeli, lai tas būtu piemērots visiem medicīnas centriem, izmantojot vienus un tos pašus kodus," teica Yuval Barak-Corren, MD, CHIP, pirmais raksta autors. "Bet mēs izvēlējāmies pieeju, kas automātiski izveido nedaudz atšķirīgu modeli, kas pielāgots katras veselības aprūpes vietnes specifikai."

Pašnāvība tagad ir otrais biežākais nāves cēlonis Amerikas jauniešu vidū. Laikā no 2000. līdz 2016. gadam letālas pašnāvības pieauga par 30 procentiem, un tikai 2016. gadā tika izdarīti 1,3 miljoni nemirstīgu pašnāvības mēģinājumu.

Atzinumi apstiprina modeļa pielāgošanas vērtību katrai vietnei, jo veselības aprūpes centriem var būt unikāli prognozēšanas faktori, kuru pamatā ir atšķirīga slimnīcu kodēšanas prakse un vietējie demogrāfiskie un veselības modeļi.

Avots: Bostonas bērnu slimnīca

!-- GDPR -->