Les données sur les réclamations d’assurance maladie peuvent aider à prédire la probabilité d’autisme chez les enfants

Les données sur les réclamations d’assurance maladie peuvent aider à prédire la probabilité d’autisme chez les enfants

Les réclamations d’assurance maladie pourraient faire plus que simplement aider à payer les problèmes de santé ; Ils pourraient aider à les prédire, selon les nouvelles découvertes d’une équipe de recherche interdisciplinaire de Penn State publiées dans BMJ Health & Care Informatics. Les chercheurs ont développé des modèles d’apprentissage automatique qui évaluent les relations entre des centaines de variables cliniques, notamment les visites chez le médecin et les services de santé pour des affections apparemment sans rapport, afin de prédire la probabilité de troubles du spectre autistique chez les jeunes enfants.

Les données sur les réclamations d'assurance, anonymisées et largement disponibles dans les ensembles de données d'analyse marketing, fournissent des détails médicaux longitudinaux complets sur le patient. La littérature scientifique dans ce domaine suggère que les enfants atteints de troubles du spectre autistique présentent également souvent des taux plus élevés de symptômes cliniques tels que : B. divers types d'infections, des problèmes gastro-intestinaux, des convulsions et des problèmes de comportement. Ces symptômes ne sont pas une cause de l’autisme, mais sont fréquents chez les enfants autistes, surtout à un jeune âge. C’est pourquoi nous avons eu envie de résumer les informations médicales pour quantifier et prédire cette probabilité associée.

Qiushi Chen, auteur correspondant, professeur adjoint d'ingénierie industrielle et manufacturière, Penn State College of Engineering

Les chercheurs ont introduit les données dans des modèles d’apprentissage automatique et les ont formés à évaluer des centaines de variables afin de trouver des corrélations associées à une probabilité accrue de troubles du spectre autistique.

"Le trouble du spectre autistique est un trouble du développement", a déclaré le co-auteur Guodong Liu, professeur agrégé de sciences de la santé publique, de psychiatrie et de santé comportementale, et de pédiatrie au Penn State College of Medicine. "Un médecin a besoin d'observations et d'examens multiples pour poser un diagnostic. Le processus est généralement long et de nombreux enfants ne bénéficient pas d'une intervention précoce - le moyen le plus efficace d'améliorer les résultats."

L'un des outils de dépistage les plus couramment utilisés pour identifier les jeunes enfants présentant un risque accru de troubles du spectre autistique est la liste de contrôle modifiée pour l'autisme chez les jeunes enfants (M-CHAT), qui est généralement remise lors des visites de routine des enfants à 18 et 24 mois. Il se compose de 20 questions axées sur les comportements liés au contact visuel, aux interactions sociales et à certains jalons physiques tels que la marche. Les tuteurs réagissent en fonction de leurs observations, mais Chen affirme que le développement varie tellement à cet âge que l'outil peut mal identifier les enfants. En conséquence, les enfants ne sont souvent officiellement diagnostiqués qu’à l’âge de quatre ou cinq ans, ce qui signifie qu’ils ne bénéficient pas d’interventions précoces potentielles pendant des années.

"Notre nouveau modèle, qui quantifie la somme des facteurs de risque identifiés pour déterminer le niveau de probabilité, est déjà comparable, et dans certains cas même légèrement meilleur, à l'outil de dépistage existant", a déclaré Chen. « Si nous combinons le modèle avec l’outil de dépistage, nous disposons d’une approche prometteuse pour les cliniciens. »

Selon Liu, il serait pratiquement réalisable d'intégrer le modèle dans l'outil de dépistage à usage clinique.

« Une force unique de ce travail réside dans le fait que cette approche informatique clinique peut être facilement intégrée au flux de travail clinique », a déclaré Liu. "Le modèle prédictif pourrait être intégré au système de dossiers médicaux électroniques d'un hôpital, utilisé pour enregistrer la santé des patients, comme outil d'aide à la décision clinique pour signaler les enfants à haut risque, permettant ainsi aux médecins et aux familles d'agir plus tôt."

Ce travail, financé par les National Institutes of Health, le Penn State Social Science Research Institute et le Penn State College of Engineering, est à la base d'une nouvelle subvention de 460 000 $ à Chen et Whitney Guthrie, psychologue clinicien au Centre pour la recherche sur l'autisme de l'Hôpital pour enfants de Philadelphie et professeur adjoint de psychiatrie et de pédiatrie à l'École de médecine Perelman de l'Université de Pennsylvanie à l'Institut national de la santé mentale.

Ils utilisent la nouvelle subvention pour analyser exactement dans quelle mesure les dossiers hospitaliers combinés et les résultats du dépistage prédisent les diagnostics d'autisme, et explorent également d'autres outils de dépistage potentiels qui pourraient mieux équiper les médecins pour aider leurs patients.

« Non seulement de nombreux enfants atteints du spectre autistique ne sont pas pris en compte dans l'outil actuel, mais de nombreux enfants identifiés par nos outils de dépistage ont également de longues listes d'attente en raison de notre capacité de diagnostic limitée », a déclaré Guthrie. "Bien que le M-CHAT détecte de nombreux enfants, il présente également un taux très élevé de faux positifs et de faux négatifs, ce qui signifie que de nombreux enfants autistes passent inaperçus et que d'autres enfants sont référés pour une évaluation de l'autisme alors qu'ils n'en ont pas besoin. Les deux." Les problèmes entraînent de longues attentes – souvent plusieurs mois, voire plusieurs années – pour une évaluation plus approfondie. Les conséquences pour les enfants qui ne sont pas prises en compte par nos outils de dépistage actuels sont particulièrement importantes, car un diagnostic tardif fait souvent perdre aux enfants la possibilité d'une intervention précoce. Les pédiatres ont besoin de meilleurs outils de dépistage pour identifier avec précision tous les enfants qui ont besoin d’une évaluation de l’autisme le plus tôt possible.

Une partie du problème réside dans le nombre limité de psychologues, de pédiatres du développement et d’autres experts en développement pédiatrique capables de poser un diagnostic de trouble du spectre autistique. Selon Chen, la solution pourrait résider dans l’ingénierie industrielle.

« L'idée clé est d'améliorer la façon dont nous utilisons les ressources », a déclaré Chen. « Grâce à l’expertise clinique du Dr Guthrie et aux compétences de modélisation de mon groupe, nous souhaitons développer un outil que les médecins de soins primaires sans formation spécialisée peuvent utiliser pour effectuer des évaluations fiables afin de diagnostiquer les enfants le plus tôt possible afin qu’ils puissent obtenir les soins dont ils ont besoin le plus rapidement possible. possible."

Parmi les autres auteurs contributeurs figurent le premier auteur Yu-Hsin Chen, doctorant en génie industriel et manufacturier qui rédigera également sa thèse sur la bourse ; et co-auteur Lan Kong, professeur de sciences de la santé publique au Penn State College of Medicine.

Source:

État de Pennsylvanie

Référence:

Chen, YH., et al. (2022) Détection précoce des troubles du spectre autistique chez les jeunes enfants grâce à l’apprentissage automatique à l’aide de données de réclamations médicales. Informatique de santé et de soins BMJ. doi.org/10.1136/bmjhci-2022-100544.

.