Il suicidio può essere previsto dai registri dei pazienti?
Un nuovo studio dimostra che un modello computerizzato predittivo può identificare i pazienti a rischio di tentato suicidio in base ai modelli nelle loro cartelle cliniche elettroniche, con una media di due anni prima del tempo.
Tali modelli potrebbero potenzialmente allertare gli operatori sanitari prima di una visita, aiutando i pazienti a ottenere interventi appropriati, affermano i ricercatori del Boston Children’s Hospital e del Massachusetts General Hospital.
I risultati sono pubblicati in JAMA Network Open.
“I computer non possono sostituire i team di assistenza nell'identificazione dei problemi di salute mentale. Ma riteniamo che i computer, se ben progettati, potrebbero identificare i pazienti ad alto rischio che potrebbero attualmente cadere attraverso le fessure, inosservati dal sistema sanitario ", ha detto Ben Reis, Ph.D., direttore del Predictive Medicine Group, parte di il Computational Health Informatics Program (CHIP) presso il Boston Children's Hospital, e co-autore senior dell'articolo.
"Immaginiamo un sistema che possa dire al medico, 'di tutti i tuoi pazienti, questi tre rientrano in una categoria ad alto rischio. Dedica qualche minuto in più per parlare con loro. ""
Per lo studio, i ricercatori hanno analizzato i dati delle cartelle cliniche elettroniche di oltre 3,7 milioni di pazienti di età compresa tra 10 e 90 anni in cinque diversi sistemi sanitari statunitensi: Partners HealthCare System a Boston; Boston Medical Center; Boston Children’s Hospital; Wake Forest Medical Center nella Carolina del Nord; e l'Università del Texas Health Science Center a Houston.
Dai diversi centri erano disponibili dati da 6 a 17 anni, inclusi codici diagnostici, risultati di test di laboratorio, codici di procedure mediche e farmaci.
Le registrazioni hanno rivelato un totale di 39.162 tentativi di suicidio. I modelli sono stati in grado di rilevarne il 38 percento (questo variava dal 33 al 39 percento nei cinque centri) con una specificità del 90 percento. I casi sono stati raccolti in media 2,1 anni prima dell'effettivo tentativo di suicidio (range, 1,3-3,5 anni).
I predittori più forti, non sorprendentemente, includevano avvelenamenti da droghe, tossicodipendenza, intossicazione acuta da alcol e diverse condizioni di salute mentale. Ma altri predittori erano quelli che normalmente non venivano in mente, come rabdomiolisi, cellulite o ascesso della mano e farmaci per l'HIV.
"Non c'era un solo predittore", dice Reis. "È più una gestalt o un equilibrio di prove, un segnale generale che si accumula nel tempo".
Il team ha sviluppato il modello in due fasi, utilizzando un approccio di apprendimento automatico. In primo luogo, hanno mostrato metà dei dati dei loro pazienti a un modello di computer, indirizzandolo a trovare modelli associati a tentativi di suicidio documentati.
Successivamente, hanno preso lezioni apprese da quell'esercizio di "formazione" e le hanno convalidate utilizzando l'altra metà dei loro dati; chiedendo al modello di prevedere, basandosi solo su quei modelli, quali pazienti alla fine tenteranno il suicidio.
Nel complesso, il modello ha funzionato in modo simile in tutti e cinque i centri medici, ma la riqualificazione del modello nei singoli centri ha portato risultati migliori.
"Avremmo potuto creare un modello per tutti i centri medici, utilizzando gli stessi codici", ha detto Yuval Barak-Corren, M.D., di CHIP, primo autore della carta. "Ma abbiamo scelto un approccio che crea automaticamente un modello leggermente diverso, su misura per soddisfare le specifiche di ogni sito di assistenza sanitaria".
Il suicidio è ora la seconda causa di morte più comune tra i giovani americani. I suicidi mortali sono aumentati del 30% tra il 2000 e il 2016 e il solo 2016 ha visto 1,3 milioni di tentativi di suicidio non mortali.
I risultati confermano il valore dell'adattamento del modello a ciascun sito, poiché i centri sanitari possono avere fattori predittivi unici, basati su diverse pratiche di codifica ospedaliera e modelli demografici e sanitari locali.
Fonte: Boston Children’s Hospital
