Údaje o škodách zo zdravotného poistenia môžu pomôcť predpovedať pravdepodobnosť autizmu u detí

Údaje o škodách zo zdravotného poistenia môžu pomôcť predpovedať pravdepodobnosť autizmu u detí

Nároky na zdravotné poistenie môžu urobiť viac, než len pomôcť zaplatiť za zdravotné problémy; Podľa nových zistení interdisciplinárneho výskumného tímu Penn State publikovaného v BMJ Health & Care Informatics by ich mohli pomôcť predpovedať. Výskumníci vyvinuli modely strojového učenia, ktoré hodnotia vzťahy medzi stovkami klinických premenných, vrátane návštev lekára a zdravotníckych služieb pre zdanlivo nesúvisiace stavy, aby predpovedali pravdepodobnosť poruchy autistického spektra u malých detí.

Údaje o poistných nárokoch, anonymizované a široko dostupné v súboroch údajov marketingových skenov, poskytujú komplexné dlhodobé zdravotné podrobnosti o pacientovi. Vedecká literatúra v tejto oblasti naznačuje, že deti s poruchou autistického spektra tiež často pociťujú vyššiu mieru klinických symptómov, ako sú: B. rôzne typy infekcií, gastrointestinálne problémy, záchvaty a problémy so správaním. Tieto príznaky nie sú príčinou autizmu, ale sú bežné u detí s autizmom, najmä v mladom veku. To je dôvod, prečo sme boli inšpirovaní zhrnúť lekárske informácie, aby sme kvantifikovali a predpovedali túto súvisiacu pravdepodobnosť."

Qiushi Chen, korešpondujúci autor, odborný asistent priemyselného a výrobného inžinierstva, Penn State College of Engineering

Výskumníci vložili údaje do modelov strojového učenia a vycvičili ich na vyhodnotenie stoviek premenných, aby našli korelácie spojené so zvýšenou pravdepodobnosťou poruchy autistického spektra.

"Porucha autistického spektra je vývojová porucha," povedal spoluautor Guodong Liu, docent vied o verejnom zdraví, psychiatrie a behaviorálneho zdravia a pediatrie na Penn State College of Medicine. "Lekár potrebuje pozorovania a viacnásobné vyšetrenia, aby stanovil diagnózu. Tento proces je zvyčajne zdĺhavý a veľa detí vynechá možnosť včasnej intervencie - najefektívnejší spôsob, ako zlepšiť výsledky."

Jedným z najčastejšie používaných skríningových nástrojov na identifikáciu malých detí so zvýšenou pravdepodobnosťou poruchy autistického spektra je Modifikovaný kontrolný zoznam pre autizmus u malých detí (M-CHAT), ktorý sa zvyčajne podáva pri rutinných návštevách detí vo veku 18 a 24 mesiacov. Pozostáva z 20 otázok, ktoré sa zameriavajú na správanie súvisiace s očným kontaktom, sociálnymi interakciami a niektorými fyzickými míľnikmi, ako je chôdza. Strážcovia reagujú na základe svojich pozorovaní, ale Chen hovorí, že vývoj sa v tomto veku natoľko líši, že tento nástroj môže deti nesprávne identifikovať. Výsledkom je, že deti sú často formálne diagnostikované až vo veku štyroch alebo piatich rokov, čo znamená, že roky vynechávajú potenciálne včasné intervencie.

"Náš nový model, ktorý kvantifikuje súčet identifikovaných rizikových faktorov na určenie úrovne pravdepodobnosti, je už porovnateľný a v niektorých prípadoch dokonca o niečo lepší ako existujúci skríningový nástroj," povedal Chen. "Ak skombinujeme model so skríningovým nástrojom, máme pre lekárov sľubný prístup."

Podľa Liu by bolo prakticky možné integrovať model do skríningového nástroja na klinické použitie.

"Jedinečnou silou tejto práce je, že tento prístup klinickej informatiky možno ľahko integrovať do klinického pracovného postupu," povedal Liu. "Prediktívny model by mohol byť vložený do nemocničného systému elektronických zdravotných záznamov, ktorý by sa používal na zaznamenávanie zdravia pacienta, ako nástroj na podporu klinického rozhodovania na označenie vysokorizikových detí, čo umožňuje lekárom aj rodinám konať skôr."

Táto práca, financovaná National Institutes of Health, Penn State Social Science Research Institute a Penn State College of Engineering, je základom pre nový grant vo výške 460 000 USD pre Chen a Whitney Guthrie, klinického psychológa v Detskej nemocnici vo Philadelphii Center for Autism Research a odborného asistenta psychiatrie a pediatrie na Pensylvánskej univerzite v Národnom inštitúte zdravia Perelman School of M.

Pomocou nového grantu presne analyzujú, ako dobre kombinované nemocničné záznamy a výsledky skríningu predpovedajú diagnózy autizmu, a tiež skúmajú ďalšie potenciálne nástroje skríningu, ktoré by mohli lekárov lepšie vybaviť, aby pomohli svojim pacientom.

„Súčasný nástroj nielenže vynechá veľa detí v autistickom spektre, ale mnoho detí identifikovaných našimi skríningovými nástrojmi má tiež dlhé čakacie zoznamy kvôli našej obmedzenej diagnostickej kapacite,“ povedal Guthrie. "Hoci M-CHAT detekuje veľa detí, má tiež veľmi vysokú mieru falošne pozitívnych a falošne negatívnych výsledkov, čo znamená, že veľa autistických detí je vynechaných a ostatné deti sú poslané na autistické vyšetrenie, keď ho nepotrebujú. Obe." Problémy vedú k dlhému čakaniu – často niekoľko mesiacov alebo dokonca rokov – na ďalšie posúdenie. Dôsledky pre deti, ktoré nie sú riešené našimi súčasnými skríningovými nástrojmi, sú obzvlášť dôležité, pretože oneskorená diagnóza často vedie k tomu, že deti úplne vynechajú priestor na včasnú intervenciu. Pediatri potrebujú lepšie skríningové nástroje, aby čo najskôr presne identifikovali všetky deti, ktoré potrebujú hodnotenie autizmu.“

Časťou problému je obmedzený počet psychológov, vývojových pediatrov a iných odborníkov na vývoj detí, ktorí dokážu diagnostikovať poruchu autistického spektra. Podľa Chena by riešenie mohlo spočívať v priemyselnom inžinierstve.

„Kľúčovou myšlienkou je zlepšiť spôsob, akým využívame zdroje,“ povedal Chen. "S klinickými odbornými znalosťami Dr. Guthrieho a modelovacími zručnosťami mojej skupiny chceme vyvinúť nástroj, ktorý môžu lekári primárnej starostlivosti bez špecializovaného školenia použiť na spoľahlivé hodnotenia na diagnostiku detí čo najskôr, aby mohli čo najrýchlejšie dostať potrebnú starostlivosť." možné."

Ďalšími prispievajúcimi autormi sú prvá autorka Yu-Hsin Chen, doktorandka priemyselného a výrobného inžinierstva, ktorá o štipendiu napíše aj dizertačnú prácu; a spoluautor Lan Kong, profesor vied o verejnom zdraví na Penn State College of Medicine.

Zdroj:

Štát Penn

Referencia:

Chen, YH., a kol. (2022) Včasné odhalenie poruchy autistického spektra u malých detí prostredníctvom strojového učenia s využitím údajov z medicínskych tvrdení. Informatika zdravotníctva a starostlivosti BMJ. doi.org/10.1136/bmjhci-2022-100544.

.