06:00 
Важный анамнез психического здоровья часто присутствует в медицинских записях, но его трудно найти, особенно когда он отсутствует в диагностических кодах, которые врачи, исследователи и системы здравоохранения используют для поиска и подсчета состояний.
Новое исследование, проведенное учеными из Медицинской школы Университета Нью-Мексико, проанализировало электронные медицинские записи более чем 1,3 миллиона пациентов, обслуживаемых Управлением здравоохранения ветеранов (VHA). Подчеркивая общий пробел в том, как системы здравоохранения отслеживают членовредительство, исследователи обнаружили, что диагностические коды охватывают только около четверти клинически документированной истории членовредительства.
"Что касается исследований и планирования, если мы будем учитывать только то, что легко увидеть в диагностических кодах, мы можем существенно недооценить потребность в услугах по охране психического здоровья", - сказал Кристоф Ламбер, доктор философии, профессор и временный руководитель отдела трансляционной информатики в медицинском факультете UNM. Medicine и автор исследования. «Более качественные измерения могут помочь системам здравоохранения лучше планировать, помочь исследователям более точно изучать уход и, в конечном итоге, помочь клиницистам узнать, когда пациенту может потребоваться более тщательный осмотр».
В исследовании, опубликованном в Журнале медицинских интернет-исследований, использовался новый метод машинного обучения, ранее разработанный членами исследовательской группы. После экспертного анализа диаграмм и статистической калибровки исследователи подсчитали, что документально подтвержденное членовредительство присутствовало примерно у 7,9% пациентов, осмотренных врачами VHA, что более чем в четыре раза превышает показатель в 1,85%, видимый только по диагностическим кодам. Этот разрыв имеет значение, поскольку упущенный анамнез может повлиять на клиническую осведомленность, результаты исследований и планирование услуг по охране психического здоровья.
Списки проблем — поставщики нотаций составляют данные о состоянии здоровья своих пациентов — выявили еще один пробел в видимости. Они предназначены для обозначения важных состояний для клинических бригад, но в реальной практике они не всегда являются полными или постоянно поддерживаются. Среди ветеранов с диагнозом членовредительства 22,6% имели членовредительство или случаи членовредительства в анамнезе, внесенные в список проблем VHA. Это означает, что даже когда членовредительство появлялось в диагностических кодах, оно часто отсутствовало в одном из наиболее заметных полей сводной информации.
Прошлые членовредительства клинически важны, поскольку они являются одним из наиболее важных предсказателей будущего членовредительства и риска самоубийства. Это также может повлиять на то, как оказывается помощь, в том числе на то, как врачи думают о депрессии, посттравматическом стрессовом расстройстве, биполярном расстройстве, употреблении психоактивных веществ, черепно-мозговых травмах и других состояниях, которые могут возникать наряду с членовредительством.
Авторы отмечают, что VHA уже использует специализированные инструменты отчетности о самоубийствах и передозировках и не полагается только на диагностические коды или списки проблем для мониторинга риска самоубийства. В этом исследовании рассматривался другой, но связанный с этим вопрос: насколько прошлые случаи членовредительства видны в тех частях записей, которые исследователи, медицинские бригады и системы здравоохранения могут легче всего количественно оценить и просмотреть в масштабе?
«Это проблема видимости на системном уровне», — сказал Ламберт. «Запись может быть огромной. В нашем обзоре карт некоторые записи пациентов содержали более 500 000 строк заметок. Нельзя ожидать, что ни один врач прочитает все это во время обычного визита».
В исследовании не пытались предсказать будущее членовредительство или с уверенностью определить, причинил ли себе вред какой-либо один пациент. Вместо этого команда проверила, может ли компьютерная модель использовать шаблоны в структурированных электронных медицинских картах для оценки вероятности того, что история членовредительства присутствовала, но отсутствовала в диагностических кодах, а затем сравнивала эти вероятности с экспертной оценкой клинических записей.
Для этого команда использовала метод под названием PULSNAR — Positive Unlabeled Learning Selected Not Random, который был создан для беспорядочных реальных медицинских данных. Большинству методов машинного обучения нужны четкие примеры как «да», так и «нет». Но в медицинских записях отсутствие кода диагноза не доказывает, что у пациента никогда не было этого заболевания.
PULSNAR работает с этой неопределенностью. Он изучает информацию о пациентах, у которых есть код, а затем оценивает, сколько похожих пациентов может быть среди тех, у кого нет кода. Его ключевым преимуществом является то, что он не предполагает, что закодированные случаи являются случайными, и учитывает тот факт, что некоторые случаи могут быть закодированы с большей вероятностью, чем другие.
«Медицинские записи могут затруднить выявление членовредительства по нескольким причинам», — сказал Правин Кумар, доктор философии, первый автор исследования. «Иногда история содержится в записях врача, но не в кодах диагноза. В других случаях запись может содержать факторы риска, травмы, отравления или поведение, совместимое с членовредительством, даже если сама запись не доказывает, что произошло и почему.
»Наш метод может помочь отметить обе закономерности для проверки.
