悪魔はデータにあります

何百万もの患者の訪問の機械学習レビューは、自傷行為の多くの検出されていないケースを明らかにします

ビッグデータの意味を理解することになると、木々のために森を見るのが難しい場合があります。

しかし、UNMのグローバルヘルスセンターのクリストファーランバート博士と彼の同僚は、最近、機械学習法を使用して、何百万もの医療保険請求記録に隠された不穏なパターンを検出しました。

先月発行された論文では アメリカ医療情報学会のジャーナル、チームは、医療を求める主要な精神疾患を持つ人々の自傷行為の事例は、実際には請求記録で報告されているものよりも19倍も多い可能性があるという発見を報告しました。

この調査結果は、医師や他の医療提供者が提供する医療に標準化された請求コードを割り当てることが多く、患者の負傷が事故ではなく自傷行為による可能性を曖昧にしていることを示唆しています。

この発見は、これが患者のケアに関係している可能性があることを示唆しています。

「私たちの今後の研究は、彼または彼女が以前に一度それをした場合、人は自傷行為のXNUMX倍以上のリスクに直面することを示唆しています」と内科の准教授であるランバートは言います。 したがって、さらなる自傷行為や自殺を防ぐために、「コーディングしないと、患者の歴史にその重要な情報がないために、患者の将来の治療が損なわれる可能性があることを意味します」と彼は言います。

ランバートと彼のチームは、130年から2003年までの2016億10万人以上のアメリカ人の医療費請求記録を含む匿名データベースから研究を開始しました。彼らは、大うつ病性障害を含む大精神病と診断された約XNUMX万人の患者のサブセットに研究を絞り込みました。 、双極性障害、統合失調症および統合失調症-すでに自傷のリスクが高いと考えられている人々。

コンピューターがアルゴリズムを適用して大規模なデータセットを迅速に分析する機械学習では、人間にはすぐにはわからないパターンを特定できます。 この場合、研究者は、各患者の入院および緊急治療室の訪問に適用する185,000の変数をコンピューターに提供しました。

「私たちは実際に台所の流しに投げ込みました」とランバートは言います。 「基本的には、すべての手順と診断コードを含め、これらの訪問で起こったことは何でもありました。」 明らかになった調査結果の中には、自傷行為の可能性のある症例が大幅に過少報告されているというものがありました。

自傷行為と評価されたケースとそうでないケースの間にも予期しない不一致がありました。

中毒および中毒、事故、窒息、胸部および頭部の外科的修復、手首の傷、自傷行為、うつ病および心理療法の治療を受けた人々は、物質使用障害、ヘロイン中毒を呈する人々よりも自傷行為の対象となる可能性が高かった、神経障害、車両事故または転倒。

これは、モチベーションプロバイダーが特定の行動に起因するものが原因である可能性があることを示唆しています、とランバートは言います。

「平均して、誰かがオピオイドの過剰摂取や楽しい効果のある薬で自分自身を傷つけたとき、彼らはそれを自傷行為としてコード化する可能性が低くなります」とランバートは言います。 しかし、自傷行為の評価は、おそらく自傷行為の意図で、誰かがアスピリンや睡眠薬を過剰摂取した場合に起こりやすくなります。

「男性はまた、女性よりも自傷行為が過小評価されている可能性が高い」とランバート氏は付け加えた。患者の性別に基づいたプロバイダーコーディングで」

過小コード化された自傷行為が明らかになったとき、年齢、精神疾患の診断、性別、および米国の州の関数としてのリスクの詳細な推定値が明らかになりました。 自傷行為のピークリスクは、女性が15歳、男性が17歳で、20代半ば以降減少します。

自傷行為の発生率は2006年以降全国的に着実に上昇しており、複数の主要な精神疾患の診断を受けた人は、リスクが最も高い18〜25歳の間に年間15〜26％の確率で自傷行為をします。

この研究は、特に自傷行為、入院、および副作用のリスク。

この研究は患者のケアがどのように分類されるかに焦点を当てていましたが、ランバートは、この方法が予測フレームワークで使用される可能性があると考えています。

「以前の自傷行為の事例を含め、あなたの歴史に基づいて、別の方法で機械学習を使用することができます」と彼は言います。 「それや、予防的治療が役立つ可能性のある他の要因のために、あなたはリスクの高いカテゴリーにいますか？」

ランバートはまた、大規模なデータ分析が医学的意思決定に情報を提供するための有用な洞察を明らかにすることができると楽観的です。

「これらのデータセットから何かを学ぶことができますか？」 彼は尋ねます。 「コーディングは不完全であり、人間は不完全ですが、全体として、非常に大きなデータセットがある場合、そのノイズの多くは平均化され、意味のある答えと証拠を得ることができます。」