Može li se samoubojstvo predvidjeti iz evidencije pacijenata?
Nova studija pokazuje da prediktivni računalni model može identificirati pacijente kojima prijeti pokušaj samoubojstva prema obrascima u njihovim elektroničkim zdravstvenim kartonima - u prosjeku dvije godine prije vremena.
Takvi bi modeli mogli potencijalno upozoriti zdravstvene radnike prije posjeta, pomažući pacijentima da dobiju odgovarajuće intervencije, kažu istraživači iz Bostonske dječje bolnice i opće bolnice Massachusetts.
Nalazi su objavljeni u Mreža JAMA otvorena.
“Računala ne mogu zamijeniti timove za njegu u identificiranju problema s mentalnim zdravljem. Ali smatramo da bi računala, ako budu dobro dizajnirana, mogla identificirati visoko rizične pacijente koji trenutno mogu propasti kroz pukotine, neprimijećeni zdravstvenim sustavom ", rekao je dr. Ben Reis, direktor Predictive Medicine Group, dijela Program računalne zdravstvene informatike (CHIP) u dječjoj bolnici u Bostonu i suautor na radu.
„Zamišljamo sustav koji bi liječniku mogao reći:„ od svih vaših pacijenata ovo troje spada u kategoriju visokog rizika. Odvojite nekoliko dodatnih minuta da razgovarate s njima. "
Za istraživanje su istraživači analizirali podatke elektroničkih zdravstvenih kartona s više od 3,7 milijuna pacijenata u dobi od 10 do 90 godina u pet različitih američkih zdravstvenih sustava: Partners HealthCare System u Bostonu; Bostonski medicinski centar; Dječja bolnica u Bostonu; Medicinski centar Wake Forest u Sjevernoj Karolini; i sveučilišnog zdravstvenog znanstvenog centra Sveučilišta Texas u Houstonu.
Podaci između 6 i 17 godina bili su dostupni iz različitih centara, uključujući dijagnostičke kodove, rezultate laboratorijskih testova, medicinske postupke i lijekove.
Evidencija je otkrila ukupno 39.162 pokušaja samoubojstva. Modeli su uspjeli otkriti 38 posto njih (to se kretalo od 33 do 39 posto u pet centara) s 90 posto specifičnosti. Slučajevi su uzimani u prosjeku 2,1 godinu prije stvarnog pokušaja samoubojstva (raspon, 1,3 do 3,5 godine).
Ne iznenađuje da su najjači prediktori uključivali trovanja drogama, ovisnost o drogama, akutnu alkoholnu opijenost i nekoliko stanja mentalnog zdravlja. No, drugi su prediktori bili oni koji vam obično ne bi padali na pamet, poput rabdomiolize, celulitisa ili apscesa šake i lijekova protiv HIV-a.
"Nije postojao niti jedan jedini prediktor", kaže Reis. "To je više geštalt ili ravnoteža dokaza, opći signal koji se vremenom nakuplja."
Tim je model razvio u dva koraka, koristeći pristup strojnom učenju. Prvo su polovicu podataka o pacijentima pokazali računalnom modelu, usmjeravajući ga da pronađe obrasce koji su povezani s dokumentiranim pokušajima samoubojstva.
Zatim su uzeli lekcije naučene iz te vježbe "vježbanja" i potvrdili ih koristeći drugu polovicu svojih podataka; tražeći od modela da na temelju samo tih obrazaca predvidi koji će pacijenti na kraju pokušati samoubojstvo.
Sve u svemu, model se slično pokazao u svih pet medicinskih centara, ali prekvalifikacija modela u pojedinim centrima donijela je bolje rezultate.
"Mogli smo stvoriti jedan model koji bi odgovarao svim medicinskim centrima, koristeći iste kodove", rekao je Yuval Barak-Corren, MD, iz CHIP-a, prvi autor na radu. "Ali mi smo odabrali pristup koji automatski gradi malo drugačiji model, skrojen da odgovara specifičnostima svake zdravstvene stranice."
Samoubojstvo je sada drugi najčešći uzrok smrti među američkom omladinom. Kobna samoubojstva porasla su za 30 posto između 2000. i 2016. godine, a samo u 2016. zabilježeno je 1,3 milijuna pokušaja samoubojstva koji nisu fatalni.
Nalazi potvrđuju vrijednost prilagodbe modela svakom mjestu, budući da zdravstveni centri mogu imati jedinstvene prediktivne čimbenike, na temelju različitih praksi kodiranja u bolnicama i lokalne demografije i zdravstvenih obrazaca.
Izvor: Dječja bolnica u Bostonu
