Bolehkah Bunuh Diri Diramalkan Dari Rekod Pesakit?
Satu kajian baru menunjukkan bahawa model komputer ramalan dapat mengenal pasti pesakit yang berisiko untuk membunuh diri dari corak dalam rekod kesihatan elektronik mereka - rata-rata dua tahun lebih awal.
Model sedemikian berpotensi memberi amaran kepada profesional kesihatan sebelum lawatan, membantu pesakit mendapatkan intervensi yang sesuai, kata para penyelidik dari Boston Children's Hospital dan Massachusetts General Hospital.
Penemuan ini diterbitkan dalam Rangkaian JAMA Dibuka.
"Komputer tidak dapat menggantikan pasukan penjagaan dalam mengenal pasti masalah kesihatan mental. Tetapi kami merasakan bahawa komputer, jika dirancang dengan baik, dapat mengenal pasti pesakit berisiko tinggi yang saat ini mungkin mengalami retakan, tanpa disedari oleh sistem kesihatan, "kata Ben Reis, Ph.D., pengarah Predictive Medicine Group, sebahagian dari Program Informatik Kesihatan Komputasi (CHIP) di Boston Children Hospital, dan pengarang bersama kanan di atas kertas.
"Kami membayangkan sistem yang dapat memberi tahu doktor," dari semua pesakit anda, ketiga-tiganya termasuk dalam kategori berisiko tinggi. Luangkan beberapa minit untuk bercakap dengan mereka. ''
Untuk kajian ini, para penyelidik menganalisis data rekod kesihatan elektronik dari lebih daripada 3.7 juta pesakit berusia 10 hingga 90 tahun di lima sistem penjagaan kesihatan A.S. yang berbeza: Partners HealthCare System di Boston; Pusat Perubatan Boston; Hospital Kanak-kanak Boston; Pusat Perubatan Wake Forest di North Carolina; dan Pusat Sains Kesihatan Universiti Texas di Houston.
Data antara 6 hingga 17 tahun tersedia dari pusat-pusat yang berbeza, termasuk kod diagnostik, hasil ujian makmal, kod prosedur perubatan, dan ubat-ubatan.
Rekod tersebut menunjukkan sejumlah 39,162 percubaan membunuh diri. Model-model tersebut dapat mengesan 38 peratus daripadanya (ini berkisar antara 33 hingga 39 persen di lima pusat) dengan kekhususan 90 persen. Kes diambil rata-rata 2,1 tahun sebelum percubaan bunuh diri yang sebenar (berkisar, 1.3 hingga 3.5 tahun).
Ramalan terkuat, tidak menghairankan, termasuk keracunan dadah, ketergantungan dadah, mabuk alkohol akut, dan beberapa keadaan kesihatan mental. Tetapi peramal lain adalah yang tidak akan terlintas dalam fikiran, seperti rhabdomyolysis, selulitis atau abses tangan, dan ubat HIV.
"Tidak ada satu pun ramalan," kata Reis. "Ini lebih merupakan isyarat atau keseimbangan bukti, isyarat umum yang bertambah dari masa ke masa."
Pasukan ini mengembangkan model dalam dua langkah, menggunakan pendekatan pembelajaran mesin. Pertama, mereka menunjukkan separuh dari data pesakit mereka ke model komputer, mengarahkannya untuk mencari corak yang berkaitan dengan percubaan bunuh diri yang didokumentasikan.
Seterusnya, mereka mengambil pelajaran dari latihan "latihan" dan mengesahkannya menggunakan separuh data mereka yang lain; meminta model untuk meramalkan, berdasarkan corak-corak itu sahaja, pesakit mana yang akhirnya akan cuba membunuh diri.
Secara keseluruhan, model ini menunjukkan prestasi yang sama di semua lima pusat perubatan, tetapi latihan semula model di pusat individu membawa hasil yang lebih baik.
"Kita boleh membuat satu model yang sesuai dengan semua pusat perubatan, dengan menggunakan kod yang sama," kata Yuval Barak-Corren, MD, dari CHIP, pengarang pertama di atas kertas. "Tetapi kami memilih pendekatan yang secara otomatis membangun model yang sedikit berbeda, disesuaikan untuk memenuhi spesifikasi setiap situs perawatan kesehatan."
Bunuh diri kini merupakan penyebab kematian kedua paling umum di kalangan pemuda Amerika. Bunuh diri maut meningkat 30 peratus antara tahun 2000 dan 2016, dan 2016 sahaja menyaksikan 1.3 juta percubaan membunuh diri yang tidak membawa maut.
Penemuan ini mengesahkan nilai mengadaptasi model ke setiap laman web, kerana pusat jagaan kesihatan mungkin mempunyai faktor ramalan yang unik, berdasarkan amalan pengkodan hospital yang berbeza dan demografi dan corak kesihatan tempatan.
Sumber: Hospital Kanak-kanak Boston
