Veselības apdrošināšanas atlīdzību dati var palīdzēt prognozēt autisma iespējamību bērniem

Veselības apdrošināšanas atlīdzību dati var palīdzēt prognozēt autisma iespējamību bērniem

Veselības apdrošināšanas atlīdzības varētu sniegt vairāk nekā tikai palīdzēt samaksāt par veselības problēmām; Viņi varētu palīdzēt tos prognozēt saskaņā ar Penn State starpdisciplinārās pētniecības grupas jaunajiem atklājumiem, kas publicēti BMJ Health & Care Informatics. Pētnieki izstrādāja mašīnmācīšanās modeļus, kas novērtē attiecības starp simtiem klīnisko mainīgo, tostarp ārstu apmeklējumiem un veselības aprūpes pakalpojumiem šķietami nesaistītiem apstākļiem, lai prognozētu autisma spektra traucējumu iespējamību maziem bērniem.

Apdrošināšanas atlīdzību dati, kas ir anonimizēti un plaši pieejami mārketinga skenēšanas datu kopās, sniedz visaptverošu, garengriezuma medicīnisko informāciju par pacientu. Zinātniskā literatūra par šo jomu liecina, ka bērniem ar autisma spektra traucējumiem arī bieži ir augstāki klīniskie simptomi, piemēram: B. dažāda veida infekcijas, kuņģa-zarnu trakta problēmas, krampji un uzvedības problēmas. Šie simptomi nav autisma cēlonis, bet bieži sastopami bērniem ar autismu, īpaši jaunībā. Tāpēc mēs tikām iedvesmoti apkopot medicīnisko informāciju, lai kvantitatīvi noteiktu un prognozētu šo saistīto varbūtību.

Qiushi Chen, atbilstošais autors, rūpniecības un ražošanas inženierijas docents, Penn State College of Engineering

Pētnieki ievadīja datus mašīnmācīšanās modeļos un apmācīja tos novērtēt simtiem mainīgo lielumu, lai atrastu korelācijas, kas saistītas ar palielinātu autisma spektra traucējumu iespējamību.

"Autisma spektra traucējumi ir attīstības traucējumi," sacīja līdzautors Guodongs Liu, sabiedrības veselības zinātņu, psihiatrijas un uzvedības veselības un pediatrijas asociētais profesors Penn State College of Medicine. "Lai noteiktu diagnozi, ārstam ir nepieciešami novērojumi un vairākas pārbaudes. Process parasti ir ilgstošs, un daudzi bērni nepalaiž garām agrīnas iejaukšanās logu, kas ir visefektīvākais veids, kā uzlabot rezultātus."

Viens no visbiežāk izmantotajiem skrīninga instrumentiem, lai identificētu mazus bērnus ar paaugstinātu autisma spektra traucējumu iespējamību, ir Modificētais kontrolsaraksts par autismu maziem bērniem (M-CHAT), kas parasti tiek sniegts ikdienas bērnu apmeklējumos 18 un 24 mēnešu vecumā. Tas sastāv no 20 jautājumiem, kas koncentrējas uz uzvedību, kas saistīta ar acu kontaktu, sociālo mijiedarbību un dažiem fiziskiem pavērsieniem, piemēram, staigāšanu. Aizbildņi reaģē, pamatojoties uz saviem novērojumiem, taču Čens saka, ka attīstība šajā vecumā ir tik atšķirīga, ka rīks var nepareizi identificēt bērnus. Tā rezultātā bērni bieži netiek oficiāli diagnosticēti līdz četru vai piecu gadu vecumam, kas nozīmē, ka viņi gadiem ilgi neizmanto iespējamo agrīno iejaukšanos.

"Mūsu jaunais modelis, kas kvantitatīvi nosaka identificēto riska faktoru summu, lai noteiktu varbūtības līmeni, jau ir salīdzināms ar esošo skrīninga rīku un dažos gadījumos pat nedaudz labāks par to," sacīja Čens. "Ja mēs apvienosim modeli ar skrīninga rīku, mums ir daudzsološa pieeja klīnicistiem."

Pēc Liu domām, būtu praktiski iespējams integrēt modeli skrīninga rīkā klīniskai lietošanai.

"Šī darba unikālais spēks ir tas, ka šo klīniskās informātikas pieeju var viegli integrēt klīniskajā darbplūsmā," sacīja Liu. "Prognozēšanas modeli varētu iegult slimnīcas elektroniskajā medicīnisko ierakstu sistēmā, ko izmantot, lai reģistrētu pacienta veselību, kā klīnisku lēmumu atbalsta rīku, lai atzīmētu augsta riska bērnus, ļaujot gan ārstiem, gan ģimenēm rīkoties agrāk."

Šis darbs, ko finansē Nacionālie veselības institūti, Pennas štata Sociālo zinātņu pētniecības institūts un Penn State Inženierzinātņu koledža, ir pamats jaunai 460 000 USD dotācijai Čenam un Vitnijai Gutrijai, klīniskajiem psihologiem Filadelfijas Bērnu slimnīcas Autisma izpētes centrā un Pennjelas Universitātes Permanela medicīnas institūta psihiatrijas un pediatrijas skolas docentam. Garīgā veselība.

Viņi izmanto jauno dotāciju, lai precīzi analizētu, cik labi apvienotie slimnīcu ieraksti un skrīninga rezultāti paredz autisma diagnozes, kā arī pēta citus iespējamos skrīninga rīkus, kas varētu labāk aprīkot ārstus, lai palīdzētu saviem pacientiem.

"Ne tikai daudzi bērni ar autisma spektru tiek palaisti garām, izmantojot pašreizējo rīku, bet arī daudziem bērniem, kurus identificējuši mūsu skrīninga rīki, mūsu ierobežotās diagnostikas iespējas ir gari gaidīšanas saraksti," sacīja Guthrie. "Lai gan M-CHAT atklāj daudzus bērnus, tajā ir arī ļoti augsts viltus pozitīvu un viltus negatīvu gadījumu skaits, kas nozīmē, ka daudzi bērni ar autismu tiek palaisti garām, un citi bērni tiek nosūtīti uz autisma novērtējumu, kad viņiem tas nav vajadzīgs. Abi." Problēmas liek ilgi gaidīt – bieži vien vairākus mēnešus vai pat gadus – uz turpmāku novērtējumu. Īpaši svarīgas ir sekas bērniem, uz kurām neattiecas mūsu pašreizējie skrīninga rīki, jo novēlota diagnoze bieži noved pie tā, ka bērni pilnībā izlaiž agrīnas iejaukšanās iespējas. Pediatriem ir vajadzīgi labāki skrīninga rīki, lai pēc iespējas agrāk precīzi identificētu visus bērnus, kuriem nepieciešams autisma novērtējums.

Daļa no problēmas ir ierobežotais psihologu, attīstības pediatru un citu pediatriskās attīstības ekspertu skaits, kuri var noteikt autisma spektra traucējumu diagnozi. Pēc Čena domām, risinājums varētu būt rūpnieciskajā inženierijā.

"Galvenā ideja ir uzlabot veidu, kā mēs izmantojam resursus," sacīja Čens. "Ar Dr. Guthrie klīnisko pieredzi un manas grupas modelēšanas prasmēm mēs vēlamies izstrādāt rīku, ko primārās aprūpes ārsti bez specializētas apmācības var izmantot, lai veiktu pārliecinošus novērtējumus, lai diagnosticētu bērnus pēc iespējas agrāk, lai viņi pēc iespējas ātrāk saņemtu nepieciešamo aprūpi." iespējams."

Citu līdzautoru vidū ir pirmais autors Yu-Hsin Chen, rūpniecības un ražošanas inženierijas doktorantūras students, kurš arī rakstīs savu disertāciju par šo stipendiju; un līdzautors Lan Kong, sabiedrības veselības zinātņu profesors Penn State College of Medicine.

Avots:

Penn State

Atsauce:

Chen, YH., et al. (2022) Autisma spektra traucējumu agrīna atklāšana maziem bērniem, izmantojot mašīnmācīšanos, izmantojot medicīnisko apgalvojumu datus. BMJ Veselības un aprūpes informātika. doi.org/10.1136/bmjhci-2022-100544.

.