Да ли се самоубиство може предвидети из евиденције пацијената?
Нова студија показује да предиктивни рачунарски модел може идентификовати пацијенте са ризиком за покушај самоубиства према обрасцима у њиховим електронским здравственим картонима - у просеку две године пре времена.
Такви модели могли би потенцијално упозорити здравствене раднике пре посете, помажући пацијентима да добију одговарајуће интервенције, кажу истраживачи из Бостонске дечје болнице и опште болнице Массацхусеттс.
Налази су објављени у ЈАМА Нетворк Опен.
„Рачунари не могу заменити тимове за негу приликом идентификовања проблема менталног здравља. Али сматрамо да би рачунари, ако су добро дизајнирани, могли да идентификују високо ризичне пацијенте који тренутно могу пасти кроз пукотине, непримећени здравственим системом “, рекао је др Бен Реис, директор Групе за предиктивну медицину, део Програм за рачунарску здравствену информатику (ЦХИП) у дечијој болници у Бостону и ко-виши аутор на раду.
„Замишљамо систем који би лекару могао рећи„ од свих ваших пацијената ово троје спада у категорију високог ризика. Одвојите неколико додатних минута да разговарате са њима. “
За ову студију истраживачи су анализирали податке о електронским здравственим картонима од више од 3,7 милиона пацијената старости од 10 до 90 година у пет различитих америчких здравствених система: Партнерс ХеалтхЦаре Систем у Бостону; Бостонски медицински центар; Дечја болница у Бостону; Медицински центар Ваке Форест у Северној Каролини; и Здравствени научни центар Универзитета у Тексасу у Хјустону.
Подаци између 6 и 17 година били су доступни из различитих центара, укључујући дијагностичке кодове, резултате лабораторијских тестова, медицинске процедуре и лекове.
Евиденција је открила укупно 39.162 покушаја самоубиства. Модели су успели да открију 38 процената њих (то се кретало од 33 до 39 процента у пет центара) са специфичношћу од 90 процената. Случајеви су прикупљени у просеку 2,1 године пре стварног покушаја самоубиства (распон од 1,3 до 3,5 године).
Не изненађује да су најјачи предиктори укључивали тровања дрогом, зависност од дроге, акутну алкохолисаност и неколико стања менталног здравља. Али други предиктори били су они који обично не би пали на памет, попут рабдомиолизе, целулитиса или апсцеса шаке и лекова за ХИВ.
„Није постојао ниједан једини предиктор“, каже Реис. „То је више гешталт или биланс доказа, општи сигнал који се временом накупља.“
Тим је модел развио у два корака, користећи приступ машинском учењу. Прво су показали половину података о пацијентима рачунарском моделу, усмеравајући их да пронађу обрасце који су повезани са документованим покушајима самоубиства.
Затим су узели поуке научене из те вежбе „обуке“ и потврдили их користећи другу половину својих података; тражећи од модела да на основу само тих образаца предвиди који ће пацијенти на крају покушати самоубиство.
Све у свему, модел се слично показао у свих пет медицинских центара, али преквалификација модела у појединачним центрима донела је боље резултате.
„Могли смо створити један модел који би одговарао свим медицинским центрима, користећи исте кодове“, рекао је др Иувал Барак-Цоррен, МД, из ЦХИП-а, први аутор у раду. „Али ми смо изабрали приступ који аутоматски гради мало другачији модел, скројен да одговара специфичностима сваке здравствене установе.“
Самоубиство је сада други најчешћи узрок смрти међу америчком омладином. Фатална самоубиства порасла су за 30 одсто између 2000. и 2016. године, а само у 2016. забележено је 1,3 милиона покушаја самоубиства који нису фатални.
Налази потврђују вредност прилагођавања модела свакој локацији, јер здравствени центри могу имати јединствене предиктивне факторе, засноване на различитим праксама кодирања у болницама и локалној демографији и здравственим обрасцима.
Извор: Бостонска дечја болница
