השטן נמצא בנתונים

סקירת למידת מכונה של מיליוני ביקורי מטופלים חושפת מקרים רבים של פגיעה עצמית שלא התגלו

כשמדובר בהבנת נתונים גדולים, לפעמים קשה לראות את היער בשביל העצים.

אך כריסטוף למברט, דוקטורט ועמיתיו במרכז לבריאות עולמית של UNM השתמשו לאחרונה בשיטת למידת מכונה כדי לזהות דפוס מטריד המסתתר במיליוני רשומות חיוב לביטוח רפואי.

בעיתון שפורסם בחודש שעבר ב כתב העת של האיגוד האמריקני למידע רפואי, הצוות דיווח על ממצאם כי מקרים של פגיעה עצמית בקרב אנשים הסובלים ממחלות נפש חמורות המבקשים טיפול רפואי עשויים להיות גבוהים פי 19 ממה שמדווח ברשומות החיוב.

הממצא מצביע על כך שרופאים ונותני טיפול אחרים מקצים לעתים קרובות קודי חיוב סטנדרטיים עבור הטיפול שהם מעניקים שמסתיר את האפשרות שפגיעה של מטופל באמת נובעת מפגיעה עצמית, ולא מתאונה.

הממצא מצביע על כך שזה יכול להשפיע על הטיפול בחולה.

"מחקרים עתידיים שלנו מצביעים על כך שאדם עומד בסיכון של פי שלושה לפגיעה עצמית אם הוא עשה זאת פעם אחת בעבר", אומר למברט, פרופסור במחלקה לרפואה פנימית. אז בניסיון למנוע פגיעה עצמית נוספת או התאבדות, "אם אינך מקודד זאת, המשמעות היא שהטיפול העתידי בחולה עלול להיפגע בכך שאין לו מידע חשוב זה בהיסטוריה שלו", הוא אומר.

למברט וצוותו החלו את המחקר שלהם עם מאגר נתונים אנונימי המכיל את רשומות החיוב הרפואיות של יותר מ -130 מיליון אמריקאים משנת 2003 עד 2016. הם צמצמו את המחקר שלהם לקבוצה של כ -10 מיליון חולים עם אבחנות של מחלת נפש חמורה, כולל הפרעת דיכאון חמורה. , הפרעה דו קוטבית, סכיזופרניה והפרעה סכיזואפקטיבית - אנשים שכבר נחשבים בסיכון גבוה יותר לפגיעה עצמית.

למידת מכונה, שבה מחשב מיישם אלגוריתם לניתוח מהיר של מערך נתונים גדול, יכולה לזהות דפוסים שאינם ברורים לבני אדם. במקרה זה, החוקרים סיפקו למחשב 185,000 משתנים שיחולו על כל חולה באשפוז ובמיון בחדר מיון.

"למעשה זרקנו את כיור המטבח", אומר למברט. "זה בעצם כל מה שקרה באותם ביקורים - כולל כל ההליכים וקודי האבחון." בין הממצאים שעלו היה כי מקרים של פגיעה עצמית סביר לא היו דיווחים באופן דרסטי.

היו גם פערים בלתי צפויים בין מקרים שהוערכו כפגיעה עצמית ובין אלה שלא.

אנשים שטופלו בשכרות והרעלה, תאונות, חנק, תיקון ניתוחי חזה וראש, פצע שורש כף היד, מחשבות פוגעות בעצמם, דיכאון ופסיכותרפיה היו בעלי סיכוי גבוה יותר להיות מקודדים לפגיעה עצמית מאשר לאלה המתמודדים עם הפרעת שימוש בחומרים, הרעלת הרואין. , הפרעה נוירולוגית, תאונות דרכים או נפילות.

זה מצביע על כך שחלק מההבדל עשוי לנבוע ממה שספקי המוטיבציה מייחסים להתנהגות מסוימת, אומר למברט.

"אנו רואים בממוצע כאשר מישהו פגע בעצמו כתוצאה ממנת יתר של אופיואידים או תרופות שיש להן השפעות מהנות - הם נוטים פחות לתקן זאת כפגיעה עצמית", אומר למברט. אך הערכה של פגיעה עצמית סבירה יותר כאשר מישהו גרם למינון יתר של אספירין או כדורי שינה, ככל הנראה מתוך כוונה לפגיעה עצמית.

"גם לגברים יש סיכוי גבוה יותר שפגיעה עצמית תהיה תחת קידוד מאשר נשים", הוסיף למברט, "וסטריאוטיפים שגברים נוטים פחות לחשוף או לקבל עזרה מאשר נשים נסתרו מהנתונים-נראה כי מדובר בהטיה. בקידוד ספקים המבוסס על מין המטופלים שלהם ".

כאשר התגלתה פגיעה עצמית לא מקודדת, התגלו הערכות מפורטות של הסיכון שלה כפונקציה של גיל, אבחון מחלות נפש, מין ומדינה בארה"ב. הסיכון הגבוה ביותר לפגיעה עצמית הוא גיל 15 לנשים ו -17 לגברים, יורד לאחר אמצע שנות העשרים.

שיעורי הפגיעה העצמית עלו בהתמדה ברמה הלאומית מאז 2006, ואנשים עם יותר מאבחון נפשי חמור אחד יש להם סיכוי של 18-25% בשנה לפגוע בעצמם בין הגילאים 15 עד 26, שם הסיכון הוא הגבוה ביותר.

המחקר היה חלק ממכלול מחקר גדול יותר שערך למברט עם פרס מכון מחקר התוצאות ממוקד מטופלים של 2.4 מיליון דולר כדי להשוות את האפקטיביות של טיפולים שונים להפרעה דו קוטבית, במיוחד בהתייחסות למקרים של פגיעה עצמית, אשפוז ו סיכון לתופעות לוואי.

בעוד שהמחקר התמקד באופן סיווג הטיפול בחולים, למברט סבור כי ניתן להשתמש בשיטה במסגרת ניבוי.

"אפשר להשתמש בלמידת מכונה בצורה אחרת, המבוססת על ההיסטוריה שלך, כולל מקרים של פגיעה עצמית שנזקפה קודם לכן", הוא אומר. "האם אתה בקטגוריה בסיכון גבוה בגלל זה ו/או גורמים אחרים בהם טיפול יזום יכול לעזור?"

למברט גם אופטימי שניתוח נתונים בקנה מידה גדול יכול לחשוף תובנות שימושיות להודיע ​​על קבלת החלטות רפואיות.

"האם אנו יכולים ללמוד משהו ממערכות הנתונים הללו?" הוא שואל. "קידוד אינו מושלם, בני אדם אינם מושלמים, אך במצטבר כשיש לנו מערכי נתונים גדולים מאוד רעש זה יכול להתממש ואנו יכולים לקבל תשובות וראיות משמעותיות."