Дьявол в данных

Обзор миллионов посещений пациентов с помощью машинного обучения выявил множество необнаруженных случаев причинения себе вреда

Когда дело доходит до понимания больших данных, иногда трудно увидеть лес за деревьями.

Но Кристоф Ламбер, доктор философии, и его коллеги из Центра глобального здравоохранения ЕНМ недавно использовали метод машинного обучения, чтобы обнаружить тревожную закономерность, скрытую в миллионах счетов по медицинскому страхованию.

В статье, опубликованной в прошлом месяце в Журнал Американской ассоциации медицинской информатики, команда сообщила о своем открытии, что количество случаев членовредительства среди людей с серьезными психическими заболеваниями, обратившихся за медицинской помощью, на самом деле может быть в 19 раз выше, чем указано в счетах.

Результаты показывают, что врачи и другие поставщики медицинских услуг часто назначают стандартизированные коды выставления счетов за оказываемую ими помощь, что скрывает возможность причинения травмы пациенту на самом деле в результате самоповреждения, а не несчастного случая.

Открытие предполагает, что это может иметь отношение к уходу за пациентами.

«Предстоящие наши исследования показывают, что человек сталкивается с более чем трехкратным риском членовредительства, если он или она уже делал это однажды», - говорит Ламберт, доцент кафедры внутренней медицины. Поэтому, стремясь предотвратить дальнейшее самоповреждение или самоубийство, «если вы не кодируете это, это означает, что дальнейшее лечение пациента может быть поставлено под угрозу из-за отсутствия этой важной информации в его истории», - говорит он.

Ламберт и его команда начали свое исследование с анонимной базы данных, содержащей записи о медицинских счетах для более чем 130 миллионов американцев с 2003 по 2016 год. Они сузили свое исследование до подмножества около 10 миллионов пациентов с диагнозом серьезного психического заболевания, включая большое депрессивное расстройство. , биполярное расстройство, шизофрения и шизоаффективное расстройство - люди, которые уже считаются подверженными более высокому риску членовредительства.

Машинное обучение, при котором компьютер применяет алгоритм для быстрого анализа большого набора данных, может определять закономерности, которые не очевидны для человека. В этом случае исследователи предоставили компьютеру 185,000 XNUMX переменных, которые можно было применить к каждому пациенту при посещении стационара и отделения неотложной помощи.

«Мы фактически выбросили кухонную раковину», - говорит Ламберт. «Это было практически все, что происходило во время этих посещений, включая все процедурные и диагностические коды». Среди полученных результатов было то, что о случаях вероятного членовредительства не сообщалось.

Были также неожиданные расхождения между случаями, которые были оценены как членовредительство, и теми, которые не были оценены.

Люди, которые лечились от интоксикации и отравления, несчастных случаев, удушья, хирургического восстановления груди и головы, ран запястья, мыслей о самоповреждении, депрессии и психотерапии, с большей вероятностью были закодированы для членовредительства, чем те, кто обращался с расстройством, связанным с употреблением психоактивных веществ, отравлением героином , неврологическое расстройство, автомобильные аварии или падения.

Это говорит о том, что некоторые расхождения могут быть связаны с тем, что поставщики мотивации приписывают определенному поведению, говорит Ламберт.

«В среднем мы видим, когда кто-то причинил себе вред из-за передозировки опиоидов или наркотиков, доставляющих удовольствие, - они с меньшей вероятностью закодируют это как членовредительство», - говорит Ламберт. Но оценка членовредительства более вероятна, когда кто-то принял передозировку аспирина или снотворного, предположительно с намерением причинить себе вред.

«Мужчины также более склонны к заниженным кодам членовредительства, чем женщины, - добавил Ламберт, - и стереотипы, согласно которым мужчины с меньшей вероятностью раскроют информацию или получат помощь, чем женщины, опровергаются данными - это, вероятно, предвзятость. в кодировании поставщиков на основе пола их пациентов ".

Когда было обнаружено заниженное кодирование членовредительства, появились подробные оценки его риска в зависимости от возраста, диагноза психического заболевания, пола и штата США. Максимальный риск членовредительства - это возраст 15 лет для женщин и 17 лет для мужчин, снижающийся после 20 лет.

Уровень самоповреждений в стране неуклонно растет с 2006 года, и люди с более чем одним диагнозом серьезного психического заболевания имеют 18-25% шанс в год нанести себе вред в возрасте от 15 до 26 лет, где риск наиболее высок.

Исследование было частью более обширного исследования, которое Ламберт проводил с премией Института исследований результатов, ориентированных на пациента, в размере 2.4 миллиона долларов для сравнения эффективности различных методов лечения биполярного расстройства, особенно в том, что касается случаев членовредительства, госпитализации и риск побочных эффектов.

В то время как исследование было сосредоточено на том, как классифицируется уход за пациентами, Ламберт считает, что этот метод потенциально может быть использован в прогностической структуре.

«Можно было бы использовать машинное обучение по-другому, исходя из вашей истории, включая случаи ранее предполагаемого самоповреждения», - говорит он. «Вы относитесь к категории высокого риска из-за этого и / или других факторов, когда проактивное лечение может помочь?»

Ламберт также оптимистично настроен в отношении того, что крупномасштабный анализ данных может дать полезную информацию для принятия медицинских решений.

«Можем ли мы чему-нибудь научиться из этих наборов данных?» он спрашивает. «Кодирование несовершенно, люди несовершенны, но в совокупности, когда у нас есть очень большие наборы данных, большая часть этого шума может усредняться, и мы можем получить значимые ответы и доказательства».