Lze předpovědět sebevraždu ze záznamů pacientů?
Nová studie ukazuje, že prediktivní počítačový model může identifikovat pacienty s rizikem pokusu o sebevraždu podle vzorců v jejich elektronických zdravotních záznamech - v průměru o dva roky dopředu.
Podle vědců z Bostonské dětské nemocnice a všeobecné nemocnice v Massachusetts by takové modely mohly potenciálně varovat zdravotnické pracovníky před návštěvou a pomoci pacientům získat vhodné intervence.
Zjištění jsou publikována v Síť JAMA otevřená.
"Počítače nemohou nahradit týmy péče při identifikaci problémů duševního zdraví." Cítíme však, že pokud budou počítače dobře navrženy, dokážou identifikovat vysoce rizikové pacienty, kteří v současné době mohou propadat trhlinami, aniž by si toho zdravotnický systém všiml, “řekl Ben Reis, Ph.D., ředitel skupiny Predictive Medicine Group, která je součástí Výpočetní program zdravotní informatiky (CHIP) v dětské nemocnici v Bostonu a spoluautor článku.
"Představujeme si systém, který by lékaři řekl:" Ze všech vašich pacientů spadají tito tři do vysoce rizikové kategorie. " Věnujte jim pár minut na rozhovor. ““
Pro tuto studii vědci analyzovali údaje o elektronických zdravotních záznamech od více než 3,7 milionu pacientů ve věku 10 až 90 let v pěti různých systémech zdravotní péče v USA: Partners HealthCare System v Bostonu; Bostonské lékařské centrum; Bostonská dětská nemocnice; Lékařské centrum Wake Forest v Severní Karolíně; a University of Texas Health Science Center v Houstonu.
Z různých středisek byla k dispozici data v rozmezí 6 až 17 let, včetně diagnostických kódů, výsledků laboratorních testů, kódů lékařských postupů a léků.
Záznamy odhalily celkem 39 162 pokusů o sebevraždu. Modely dokázaly detekovat 38 procent z nich (to se pohybovalo mezi 33 až 39 procenty v pěti centrech) se 90 procentní specificitou. Případy byly zaznamenány průměrně 2,1 roku před skutečným pokusem o sebevraždu (rozmezí 1,3 až 3,5 roku).
Mezi nejsilnější prediktory nepřekvapivě patřily otravy drogami, drogová závislost, akutní intoxikace alkoholem a několik stavů duševního zdraví. Jiné prediktory však byly ty, které by vám běžně nenapadly, jako rhabdomyolýza, celulitida nebo absces ruky a léky proti HIV.
"Neexistoval jediný prediktor," říká Reis. "Je to spíš gestalt nebo vyváženost důkazů, obecný signál, který se postupem času hromadí."
Tým vyvinul model ve dvou krocích pomocí přístupu strojového učení. Nejprve ukázali polovinu svých údajů o pacientech počítačovému modelu a nasměrovali jej k nalezení vzorů, které byly spojeny s dokumentovanými pokusy o sebevraždu.
Dále si vzali ponaučení z tohoto „tréninkového“ cvičení a ověřili je pomocí druhé poloviny svých údajů; požádat model, aby na základě těchto vzorců sám předpověděl, které pacienty by se nakonec pokusily o sebevraždu.
Celkově model fungoval podobně ve všech pěti zdravotnických centrech, ale rekvalifikace modelu v jednotlivých centrech přinesla lepší výsledky.
"Mohli jsme vytvořit jeden model, který by vyhovoval všem lékařským centrům, za použití stejných kódů," uvedl Yuval Barak-Corren, MD, z CHIP, první autor článku. "Zvolili jsme však přístup, který automaticky vytváří mírně odlišný model přizpůsobený specifikům každého místa zdravotní péče."
Sebevražda je nyní druhou nejčastější příčinou úmrtí americké mládeže. Počet smrtelných sebevražd mezi lety 2000 a 2016 vzrostl o 30 procent a pouze v roce 2016 došlo k 1,3 milionu nefatálních pokusů o sebevraždu.
Zjištění potvrzují hodnotu přizpůsobení modelu každému místu, protože zdravotní střediska mohou mít jedinečné prediktivní faktory založené na různých postupech kódování nemocnic a místních demografických a zdravotních vzorcích.
Zdroj: Bostonská dětská nemocnice
