(跳过导航)
狗万体育下载地址《美国医学会杂志》网络的家
登录
的观点 1134年
请评论
统计数据和研究方法
3月15日,2023年

有效的健康问题社会决定因素的确定从临床笔记及时识别自杀的美国退伍军人

作者的从属关系
  • 1大学医学系的芝加哥,伊利诺斯州的芝加哥
  • 2委员会定量方法在社会、行为和健康科学,芝加哥大学,伊利诺斯州的芝加哥
  • 3委员会遗传学、基因组学和系统生物学,芝加哥大学,伊利诺斯州的芝加哥
JAMA Netw开放。 2023;6 (3):e233086。doi: 10.1001 / jamanetworkopen.2023.3086

这篇文章通过Mitra et al1提供了一个新颖的方法来测量健康问题社会决定因素的上下文中(SDOHs)决定自杀的危险因素在美国退伍军人。作者发现SDOHs从临床中自动提取包含在电子健康记录(EHR)过去的医学遇到通过自然语言处理(NLP)算法可以有效地捕捉与死于自杀,可以明显提高SDOHs从结构化电子健康档案数据获得。重要的是,结果表明,NLP-extracted SDOHs有更高程度的协会与那些从结构化数据相比,这表明我们能够有效地识别高危个体即使结构化数据相关变量的缺失或不完整。

评估自杀的风险及时干预

2012年发表的一篇社论中讨论美国公共卫生杂志》上,2退伍军人有更高的自杀风险(4倍)相对于普通人群在第一个四年兵役。可靠的能力普遍屏幕退伍军人抑郁和自杀风险和引用适当的治疗将挽救许多的生命,和任何这样的工具可能适用与小修改。

2016年,联合委员会3强调,相当数量的个人死于自杀不接受精神卫生保健,但最近的医疗交互和可能披露自杀意念(SI)他们被直接问道。直接导致这样的证据,退伍军人健康管理局(VHA)精神卫生和自杀预防办公室建立一个跨学科工作组的专家来识别一个阐述循证方法检测退伍军人自杀风险。4这些努力可能导致最近减少自杀5;在2020年有343退伍军人自杀少于2019年,退伍军人自杀的数量低于自2006年以来每前一年。然而,调整人口年龄和性别差异,目前退伍军人的自杀率仍大于57.3% nonveteran我们成人;未经调整的自杀率在2020年在美国退伍军人每100 000,31.75这是普通人群的两倍(13.5每100 000)。密特拉的工作等1可以启用新的有成本效益的干预要填补这个空缺。

评估自杀倾向使用机器学习从电子医疗纪录

大型电子健康档案数据库,详细记录过去的诊断和医疗遇到复杂的模式识别结合,使尖端机器学习(ML)算法将彻底改变我们如何看待疾病风险和个性化预防卫生保健。评估自杀风险的风险也不例外。几项研究6强调了精神疾病协会与SI和企图自杀(SA)的退伍军人,和诊断代码模式的历史记录在个人医疗交互有可能准确地标记并发症,提高患者SI和SA的风险。可以说,如果可以建立预测关联,我们可以实现操作更有效的干预措施的几率相比,当前的方法围绕标准化的问卷调查,旨在评估SI / SA风险。

,挑战仍然很多高危退伍军人可能不会收到足够的金属医疗保健3;因此,他们可能没有相关的相关精神障碍的诊断记录必要国旗SI / SA风险。即使我们普遍部署某种形式的诊断基于代码的风险评估,影响可能是边际。此外,新的程序,即使由相对较短,摄取评估,常常被临床医生忽视由于通常高工作负载。因此,尽管这类预测模型在文献中已经存在了一段时间,通用部署和吸收这些工具还没有发生。简单地建立一个预测模型是不够的,我们必须考虑后果对于临床医生工作效率,减少工作流程中成功采用现有的卫生保健系统偏差。

这是密特拉的方法等1评估风险从EHR SDOHs自动提取码和临床记录可能是有益的。可想而知,这样的工具可以推断出一个风险国旗从现有病人数据并通知医生病人遇到之前就开始了。

因此,虽然使用SDOHs评估SI / SA风险确实得到研究,正如作者所讨论的,1这里的新颖性在于这些信息的来源。万博manbetx平台首页SDOH数据通常不公开可用各种隐私原因,并手动收集这样的信息可以是昂贵的。万博manbetx平台首页Mitra等1建议我们从临床记录生成这些信息包含在标准通过NLP EHR。万博manbetx平台首页因此,作者的方法确实可以提供解决的关键障碍的基础制定有效的通用评估自杀风险的退伍军人,也许。

然而,即使有更好的机会,值得怀疑,这种技术可以使一个可衡量的影响在短期内。这项工作应被视为一个概念验证,和几个障碍仍然存在之前,我们有一个部署就绪的应用程序,它包含了思想出发,与现有的EHR系统无缝集成。数字技术的吸收障碍在卫生保健开始被理解,7和验证性能随着无缝集成是最终采用的关键。

未来的改进

与行政数据存在问题。电子健康档案数据通常是容易出错,尤其是在社会脆弱的地区。临床笔记可能涉及类似的不确定性。尽管如果目标是提高国旗,我们可以安排的缺点就是假阳性率高。取决于我们如何处理这些虚假的旗帜,我们也许能够忍受它。EHR噪声的影响,需要研究在临床设置。

关键字NLP系统有局限性。有限制的语言模型在他们如何从人为的文本中提取意义,虽然在ML快速发展和人工智能(AI)是改变这一现状。作者使用一个关键字NLP系统和显示它工作得相当好。然而,也许更复杂的人工智能/毫升系统可以做得更好。目前,部署等前沿模型对数据非常简单,可以提供从根本上改善结果。

类似,这里假定SDOH因素是手动选择,当火车NLP系统所需的关键字。完全可以想象,语言模型直接从文本学习使用技术类似于现代毫升模型类似于生殖Pre-trained变压器(ChatGPT)8在未来,应该探索。重要的是,手动选择假定的因素可能遗漏重要的因素,例如,宗教信仰,这已被证明有重要的保护作用在我们的青春。9

我们可以验证自述SDOH值吗?我们可以提取的SDOHs该方法本质上是自我报告。也许我们可以思考框架,我们可以有更多的可验证性,同时不丢失个人隐私。此外,它可能是有用的比较这些结果与传统的估计SDOH和最近报道社会脆弱性指标。10

结论

自杀是一个紧迫的公共卫生问题,尤其是对退伍军人。我们当前的方法来识别那些需要帮助是不够的。新颖的技术,利用现有的信息和资源,使挽救生命的干预措施,如Mitra等提出的方法,万博manbetx平台首页1非常欢迎和应该探索创建普遍筛查部署。

回到顶部
条信息万博manbetx平台首页

发表:2023年3月15日。doi:10.1001 / jamanetworkopen.2023.3086

开放:这是一个开放的分布式根据文章CC-BY许可证。©2023年将挑战我。狗万体育下载地址《美国医学会杂志》网络开放

通讯作者:Ishanu将博士,医学系的芝加哥大学,900 E第57圣,10152房间,芝加哥,60637 (ishanu@uchicago.edu)。

利益冲突的披露:没有报道。

引用
1。
Mitra,普拉丹R, melame RD,等。自然语言之间的关联processing-enriched健康问题社会决定因素和美国退伍军人自杀死亡。JAMA Netw开放。2023;6 (3):e233079。doi:10.1001 / jamanetworkopen.2023.3079 谷歌学术搜索
2。
吉本斯RD,布朗CH,户珥K。退伍军人的自杀率高吗?是J公共卫生。2012,102(增刊1)16 (5):S17-S19。doi:10.2105 / AJPH.2011.300491 PubMed 谷歌学术搜索 Crossref
4所示。
Brenner巴林N,,巴里·C的自杀率等。评估风险筛查和流行后积极筛查结果在我们的退伍军人退伍军人自杀风险识别的实现策略。JAMA Netw开放。3 (10):e2022531。2020;doi:10.1001 / jamanetworkopen.2020.22531 PubMed 谷歌学术搜索 Crossref
5。
VA预防自杀。2022年全国资深自杀预防的年度报告。2022年9月。2023年2月8日通过。https://www.mentalhealth.va.gov/docs/data sheets/2022/2022 -国家-资深自杀预防-年度报告——最终——508. - pdf
6。
Kachadourian路,蔡J, Harpaz-Rotem我,Southwick SM, Pietrzak RH。保护与自杀倾向的退伍军人创伤后应激障碍的历史和重度抑郁症:退伍军人国民健康和弹性的研究结果。J影响Disord。2019;246:731 - 737。doi:10.1016 / j.jad.2018.12.058 PubMed 谷歌学术搜索 Crossref
7所示。
怀特劳,佩莱格里尼的DM,妈妈妈,,考伊米范碎裂HGC。吸收的障碍和主持人数字医疗技术在心血管保健:一个系统的范围。心欧元J数字健康。2021;2 (1):62 - 74。doi:10.1093 / ehjdh / ztab005 PubMed 谷歌学术搜索 Crossref
8。
崔李Y,,钟J, et al .竞技水平与AlphaCode代码生成。科学。2022,378 (6624):1092 - 1097。doi:10.1126 / science.abq1158 PubMed 谷歌学术搜索 Crossref
9。
吴王G,。社会决定因素对自杀的念头在年轻的成年人。Int J围住Res公共卫生。2021;18 (16):8788。doi:10.3390 / ijerph18168788 PubMed 谷歌学术搜索 Crossref
10。
Saulsberry L,曾庆红Bhargava,, et al。社会脆弱性指标(SVM)作为一种新的公共卫生的工具。Res健康服务。2022年。doi:10.1111 / 1475 - 6773.14102 PubMed 谷歌学术搜索 Crossref
×
Baidu
map