一种基于计算机的平台，用于帮助临床医生进行进食障碍分析和诊断
Summary
在医疗保健中诊断饮食失调是具有挑战性的。因此，本方案基于949名患者对问卷的回答开发了一种算法，诊断显示在易于使用的基于Web的界面上。该系统有助于准确诊断饮食失调，同时排除那些被认为患有进食障碍的人。
Abstract
进食障碍（神经性厌食症、神经性贪食症、暴食障碍和其他特定进食或进食障碍）的总患病率为 13%，与严重的躯体和心理社会问题相关。早期诊断对于有效治疗和预防不良的长期健康后果非常重要，但对不熟悉这些患者的非专科临床医生（例如在初级保健机构工作的患者）提出了问题。早期、准确的诊断，特别是在初级保健中，允许专家在疾病中足够早地进行干预，以促进积极的治疗结果。计算机辅助诊断程序通过一种算法提供专业知识，该算法 是从 专家诊断师和专业护理人员亲自诊断的大量病例中开发的，从而为这个问题提供了可能的解决方案。根据这些数据开发了一种基于网络的系统，用于确定疑似患有饮食失调的患者的准确诊断。该过程是使用一种算法自动化的，该算法估计受访者患有饮食失调的可能性以及个体患有饮食失调的类型。该系统提供了一份报告，在诊断过程中为临床医生提供帮助，并作为新临床医生的教育工具。
Introduction
节食和相关的体力活动增加是神经性厌食症和其他饮食失调的已知原因1。精神障碍诊断手册 （DSM-5） 中提到的最常见的进食障碍是神经性厌食症 （AN）、神经性贪食症 （BN）、暴食障碍 （BED） 和其他特定喂养或进食障碍 （OSFED）2。这些疾病主要影响女性，并伴有严重的身体和/或社会心理健康并发症和痛苦3。大约13%的女性患有饮食失调症4，女性一生中的AN患病率估计为0.3%-1%，患有BN5的女性比例更高。
许多危险因素与特定的饮食失调有关。青春期早期的节食和低体重指数（BMI）会增加女性发生AN的风险，但青春期早期，瘦理想内化，身体不满，负面影响和社会支持缺陷不会6。预测BN发作的因素包括体重问题，身体不满，对瘦的驱使，无效，低感知意识和节食，但不是完美主义，成熟恐惧，人际不信任或BMI6。虽然各种类型的饮食失调之间存在症状差异，但风险因素存在相似性。这表明饮食病理学和适应不良的饮食行为（节食）是所有饮食失调的常见危险因素。
事实上，饮食病理学在饮食失调中是显而易见的。然而，定义和量化病理性饮食行为的困难，加上诊断主要依赖于对症状维度的主观描述这一事实，可能使诊断之间的界限显得不明确7.这个问题使得进食障碍的诊断变得困难，特别是对于不熟悉饮食失调患者的保健从业人员，如初级保健医生。
初级保健部门的卫生专业人员通常是患有饮食失调症的人首先接触的。鉴于早期发现和干预对良好预后的重要性，护理提供者必须拥有帮助他们识别这些疾病的工具。因此，必须快速准确地确定诊断，以防止专家延迟治疗。
实现这一诊断目标的一种方法是数字化和自动化有关其症状的问卷调查。这种方法的另一个好处可能是，反应更真实，因为研究表明，患者在讨论心理健康问题时更信任虚拟治疗师而不是人类临床医生8。另一个潜在的好处是提高了诊断的可靠性，一些研究表明，计算机诊断可以比面对面诊断具有更高的可靠性9，10。
在本方案中，基于949名连续转诊的患者对身体状况，行为，情绪和思想的开放式和封闭式问题的响应，开发了一种算法（有关人口统计数据，请参阅 表1）。在949名参与者中，91.6%（869）是女性，18.0%患有AN，19.0%BN，13.5%BED，36.8%OSFED，6.8%肥胖（OB），5.9%没有饮食失调（无ED）。该算法估计患有饮食失调的概率以及关于个体患有哪种类型的饮食失调的结论。问卷项目基于喂养和进食障碍的DSM-5标准以及AN，BN，BED和OSFED的诊断特征。OB（体内脂肪过多）不包括在DSM-5中作为精神障碍。然而，产科医生和BED2之间存在很强的关联。问卷项目分为三类：（1）条件，如BMI，去年体重减轻/增加和自我诱发的呕吐。（2）饮食模式、节食、称量自己、自我诱发呕吐、与朋友和家人隔离、避免活动等行为。（3）认知/想法，例如想要的体重，害怕失控，暴饮暴食，对食物的想法，当别人说你太瘦时认为自己很胖，以及对体重增加的反应。该算法基于无条件判别分析，该分析逐步为项目分配权重，为五种诊断中的每一种确定最具鉴别力的项目。诊断信息显示在易于使用的基于 Web 的界面上。
Protocol
Representative Results
Discussion
饮食失调的早期和准确诊断对于开始适当的治疗，改善治疗结果和减少不良的健康结果至关重要1。为了确定诊断，临床医生必须处理大量的心理和生理信息，而大量的数据使得诊断成为一项耗时的任务，误诊风险很高。
这里描述的系统通过提供基于问卷的自动诊断来加快决策过程。此外，它允许临床医生查看偏离健康个体预期反应的具体反应。该系统的开发考虑了临床医生的需求，这就是为什么问卷足够简单，可以由患者单独填写，进一步减少了临床医生在考虑诊断时所需的时间。出于同样的原因，响应保存在输入时，确保该过程可以随时暂停。计算机连接问题和其他中断不需要重复整个过程。
该协议的局限性在于，除非填写了所有调查表项目，否则无法计算诊断建议。另一个限制是医疗测量，如血压和外周温度，不包括在系统中，但必须由临床医生或医生进行评估。
有几种用于饮食失调诊断的数字工具，例如半结构化电子访谈11，但目前没有基于DSM-5或国际疾病分类第11次 修订版（ICD-11）的诊断算法。现有方法的主要问题是，它们没有为临床医生提供一种简单的方法来接受诊断帮助或传达构成不健康反应的内容。目前的系统旨在初级保健中，由对进食障碍知之甚少的卫生专业人员使用，以及用于讨论更复杂病例的专科诊所，帮助临床医生在诊断进食障碍期间的决策过程。该系统可提高护理质量，减少临床医生的时间和精力，并提高临床医生在日常实践中的效率。
该诊断算法目前基于一份问卷，允许系统教导临床医生更好地诊断患者，并在疑难病例中咨询其他卫生专业人员。该系统的未来发展还必须包括医疗数据。此外，通过细化问卷，用更相关的项目替换多余的、非信息性的项目，可以提高算法的预测能力。还需要考虑纵向方法。如果患者接受适当的治疗，则必须随着时间的推移跟踪他们的健康状况。调查表中的许多项目对于后续方法仍然有效。但是，需要重新制定问卷和算法，以创建衡量健康状况进展的指数。
Disclosures
The authors have nothing to disclose.
Acknowledgements
这项工作由斯德哥尔摩大区资助。
Materials
| Computer-Based Platform for Aiding Clinicians in Eating Disorder Analysis and Diagnosis | Mando | Pending assignment | |
| Claris FileMaker Go 19 | Claris | – | For patient registration, custom app for questionnaire, risk assessment |
| iPad 7th generation (2019) | Apple | A2197 |
References
- Treasure, J., Duarte, T. A., Schmidt, U. Eating disorders. Lancet. 395 (10227), 899-911 (2020).
- American Psychiatric Association. . Diagnostic and Statistical Manual of Mental Disorders, 5th Edition. , (2013).
- Smink, F. R. E., van Hoeken, D., Hoek, H. W. Epidemiology of eating disorders: incidence, prevalence and mortality rates. Current Psychiatry Reports. 14 (4), 406-414 (2012).
- Allen, K. L., Byrne, S. M., Oddy, W. H., Crosby, R. D. DSM-IV-TR and DSM-5 eating disorders in adolescents: prevalence, stability, and psychosocial correlates in a population-based sample of male and female adolescents. Journal of Abnormal Psychology. 122 (3), 720-732 (2013).
- Preti, A., et al. The epidemiology of eating disorders in six European countries: results of the ESEMeD-WMH project. Journal of Psychiatric Research. 43 (14), 1125-1132 (2009).
- Stice, E., Gau, J. M., Rohde, P., Shaw, H. Risk factors that predict future onset of each DSM-5 eating disorder: predictive specificity in high-risk adolescent females. Journal of Abnormal Psychology. 126 (1), 38-51 (2017).
- Södersten, P., Brodin, U., Zandian, M., Bergh, C. E. K. Verifying Feighner’s hypothesis; anorexia nervosa is not a psychiatric disorder. Frontiers in Psychology. 10, 2110 (2019).
- Lucas, G. M., Gratch, J., King, A., Morency, L. -. P. It’s only a computer: Virtual humans increase willingness to disclose. Computers in Human Behavior. 37, 94-100 (2014).
- Hendler, N., Spurgeon, D. Comparison of Clinical Diagnoses Versus Computerized Test Diagnoses using the Maryland Clinical Diagnostics Diagnostic Paradigm (Expert System) for Diagnosing Chronic Pain in the Neck, Back and Limbs. Journal of Anesthesia and Critical Care: Open Access. 6 (5), (2016).
- Richens, J. G., Lee, C. M., Johri, S. Improving the accuracy of medical diagnosis with causal machine learning. Nature Communications. 11 (1), 3923 (2020).
- Dahlgren, C. L., Walsh, B. T., Vrabel, K., Siegwarth, C., Rø, &. #. 2. 1. 6. ;. Eating disorder diagnostics in the digital era: validation of the Norwegian version of the Eating Disorder Assessment for DSM-5 (EDA-5). Journal of Eating Disorders. 8 (1), 1-7 (2020).
