Podatki o zahtevkih zdravstvenega zavarovanja lahko pomagajo napovedati verjetnost avtizma pri otrocih

Podatki o zahtevkih zdravstvenega zavarovanja lahko pomagajo napovedati verjetnost avtizma pri otrocih

Zahtevki zdravstvenega zavarovanja bi lahko storili več kot le pomoč pri plačilu zdravstvenih težav; Lahko bi jih pomagali napovedati, glede na nove ugotovitve interdisciplinarne raziskovalne skupine Penn State, objavljene v BMJ Health & Care Informatics. Raziskovalci so razvili modele strojnega učenja, ki ocenjujejo razmerja med stotinami kliničnih spremenljivk, vključno z obiski zdravnika in zdravstvenimi storitvami za na videz nepovezana stanja, da bi napovedali verjetnost motnje avtističnega spektra pri majhnih otrocih.

Podatki o zavarovalnih zahtevkih, anonimizirani in široko dostopni v naborih podatkov trženjskega skeniranja, zagotavljajo celovite longitudinalne zdravstvene podrobnosti o pacientu. Znanstvena literatura na tem področju kaže, da otroci z motnjo avtističnega spektra pogosto doživljajo tudi višje stopnje kliničnih simptomov, kot so: B. različne vrste okužb, težave s prebavili, napadi in vedenjske težave. Ti simptomi niso vzrok za avtizem, vendar so pogosti pri otrocih z avtizmom, zlasti v mladosti. Zato smo bili navdihnjeni, da smo povzeli medicinske informacije, da bi kvantificirali in predvideli to povezano verjetnost.«

Qiushi Chen, dopisni avtor, docent za industrijski in proizvodni inženiring, Penn State College of Engineering

Raziskovalci so podatke vnesli v modele strojnega učenja in jih usposobili za ocenjevanje na stotine spremenljivk, da bi našli korelacije, povezane s povečano verjetnostjo motnje avtističnega spektra.

"Motnja avtističnega spektra je razvojna motnja," je dejal soavtor Guodong Liu, izredni profesor znanosti o javnem zdravju, psihiatrije in vedenjskega zdravja ter pediatrije na Penn State College of Medicine. "Zdravnik potrebuje opazovanja in več pregledov, da postavi diagnozo. Postopek je običajno dolgotrajen in mnogi otroci zamudijo okno za zgodnjo intervencijo - najučinkovitejši način za izboljšanje rezultatov."

Eno najpogosteje uporabljenih presejalnih orodij za prepoznavanje majhnih otrok s povečano verjetnostjo motnje avtističnega spektra je spremenjen kontrolni seznam za avtizem pri majhnih otrocih (M-CHAT), ki se običajno daje ob rutinskih obiskih otrok, starih 18 in 24 mesecev. Sestavljen je iz 20 vprašanj, ki se osredotočajo na vedenje, povezano z očesnim stikom, socialnimi interakcijami in nekaterimi fizičnimi mejniki, kot je hoja. Skrbniki se odzovejo na podlagi svojih opazovanj, vendar Chen pravi, da se razvoj v tej starosti tako razlikuje, da lahko orodje napačno identificira otroke. Posledica tega je, da otrokom pogosto uradno ne postavijo diagnoze, dokler niso stari štiri ali pet let, kar pomeni, da več let zamudijo morebitne zgodnje posege.

"Naš novi model, ki kvantificira vsoto ugotovljenih dejavnikov tveganja za določitev stopnje verjetnosti, je že primerljiv in v nekaterih primerih celo nekoliko boljši od obstoječega orodja za presejanje," je dejal Chen. "Če združimo model s presejalnim orodjem, imamo obetaven pristop za klinike."

Po mnenju Liuja bi bilo praktično izvedljivo vključiti model v presejalno orodje za klinično uporabo.

"Edinstvena moč tega dela je, da je mogoče ta pristop klinične informatike enostavno vključiti v klinični potek dela," je dejal Liu. "Napovedni model bi lahko vgradili v bolnišnični sistem elektronskih zdravstvenih kartotek, ki bi ga uporabljali za beleženje zdravja pacientov, kot orodje za podporo kliničnega odločanja za označevanje otrok z visokim tveganjem, kar bi tako zdravnikom kot družinam omogočilo, da ukrepajo prej."

To delo, ki ga financirajo Nacionalni inštituti za zdravje, Penn State Social Science Research Institute in Penn State College of Engineering, je osnova za novo štipendijo v višini 460.000 $ Chenu in Whitney Guthrie, kliničnim psihologom v otroški bolnišnici Filadelfijskega centra za raziskave avtizma in docentu profesorja psihiatrije in pediatrije na Medicinski fakulteti Perelman Univerze v Pennsylvaniji na Nacionalni inštitut za duševno zdravje.

Novo donacijo uporabljajo za natančno analizo, kako dobro združeni bolnišnični kartoni in rezultati presejanja napovedujejo diagnoze avtizma, prav tako pa raziskujejo druga potencialna orodja za presejanje, ki bi lahko bolje opremila zdravnike za pomoč pacientom.

"Ne samo, da je veliko otrok z avtističnim spektrom zgrešenih s trenutnim orodjem, ampak ima veliko otrok, ki jih prepoznajo naša presejalna orodja, tudi dolge čakalne vrste zaradi naše omejene diagnostične zmogljivosti," je dejal Guthrie. "Čeprav M-CHAT zazna veliko otrok, ima tudi zelo visoko stopnjo lažno pozitivnih in lažno negativnih rezultatov, kar pomeni, da je veliko otrok z avtizmom spregledanih in da so drugi otroci napoteni na oceno avtizma, ko je ne potrebujejo. Oboje." Težave vodijo do dolgega čakanja – pogosto več mesecev ali celo let – na nadaljnjo oceno. Posledice za otroke, ki jih naša sedanja orodja za presejanje ne obravnavajo, so še posebej pomembne, saj zapoznela diagnoza pogosto povzroči, da otroci popolnoma zamudijo okno za zgodnje posredovanje. Pediatri potrebujejo boljša orodja za pregledovanje, da čim prej natančno identificirajo vse otroke, ki potrebujejo oceno avtizma.«

Del problema je omejeno število psihologov, razvojnih pediatrov in drugih strokovnjakov za pediatrični razvoj, ki lahko postavijo diagnozo motnje avtističnega spektra. Po besedah ​​Chena bi rešitev lahko bila v industrijskem inženiringu.

"Ključna ideja je izboljšati način uporabe virov," je dejal Chen. "S kliničnim strokovnim znanjem dr. Guthrieja in sposobnostmi modeliranja moje skupine želimo razviti orodje, ki ga lahko zdravniki primarne zdravstvene oskrbe brez specializiranega usposabljanja uporabijo za izdelavo zanesljivih ocen za čim zgodnejšo diagnozo otrok, da lahko čim prej dobijo oskrbo, ki jo potrebujejo." mogoče."

Drugi sodelujoči avtorji vključujejo prvo avtorico Yu-Hsin Chen, doktorsko študentko industrijskega in proizvodnega inženiringa, ki bo napisala tudi disertacijo o štipendiji; in soavtor Lan Kong, profesor znanosti o javnem zdravju na Penn State College of Medicine.

Vir:

Penn State

Referenca:

Chen, YH., et al. (2022) Zgodnje odkrivanje motenj avtističnega spektra pri majhnih otrocih s strojnim učenjem z uporabo podatkov o medicinskih trditvah. BMJ Zdravstvena in negovalna informatika. doi.org/10.1136/bmjhci-2022-100544.

.