Yeme Bozukluğu Analizi ve Tanısında Klinisyenlere Yardımcı Olmak İçin Bilgisayar Tabanlı Bir Platform
Summary
Sağlık hizmetlerinde yeme bozukluklarının teşhisi zordur. Bu nedenle, mevcut protokol, bir ankete 949 hasta yanıtına dayanan bir algoritma geliştirir ve tanı, kullanımı kolay web tabanlı bir arayüzde görüntülenir. Bu sistem, yeme bozukluğu olduğuna inanılan kişileri dışlarken, yeme bozukluklarının doğru teşhisini kolaylaştırır.
Abstract
Yeme bozuklukları (anoreksiya nervoza, bulimia nervoza, tıkınırcasına yeme bozukluğu ve diğer belirtilen yeme veya beslenme bozuklukları) kombine prevalansı% 13’tür ve ciddi fiziksel ve psikososyal problemlerle ilişkilidir. Etkin tedavi ve istenmeyen uzun vadeli sağlık sonuçlarının önlenmesi için önemli olan erken tanı, birinci basamakta çalışanlar gibi bu hastalara aşina olmayan uzman olmayan klinisyenler arasında sorunlar doğurmaktadır. Özellikle birinci basamakta erken, doğru tanı, olumlu tedavi sonuçlarını kolaylaştırmak için bozuklukta yeterince erken uzman müdahalelerine izin verir. Bilgisayar destekli tanı prosedürleri, uzman tanı uzmanları ve uzman bakıcılar tarafından şahsen teşhis edilen çok sayıda vakadan geliştirilen bir algoritma aracılığıyla uzmanlık sağlayarak bu soruna olası bir çözüm sunar. Bu verilere dayanarak, yeme bozukluğundan muzdarip olduğundan şüphelenilen hastalar için doğru bir tanı belirlemek için web tabanlı bir sistem geliştirilmiştir. Süreç, katılımcının yeme bozukluğuna sahip olma olasılığını ve bireyin sahip olduğu yeme bozukluğu türünü tahmin eden bir algoritma kullanılarak otomatikleştirilir. Sistem, tanı sürecinde klinisyenlere yardımcı olarak çalışan ve yeni klinisyenler için bir eğitim aracı olarak hizmet veren bir rapor sunmaktadır.
Introduction
Diyet ve fiziksel aktivitede ilişkili bir artış, anoreksiya nervoza ve diğer yeme bozukluklarının bilinen nedenleridir1. Ruhsal bozuklukların tanı el kitabında (DSM-5) bahsedilen en yaygın yeme bozuklukları anoreksiya nervoza (AN), bulimia nervoza (BN), aşırı yeme bozukluğu (BED) ve diğer belirtilen beslenme veya yeme bozukluğudur (OSFED)2. Bu bozukluklar öncelikle kadınları etkiler ve ciddi fiziksel ve / veya psikososyal sağlık komplikasyonları ve sıkıntı eşlik eder3. Kadınların yaklaşık% 13’ü yeme bozukluklarından muzdariptir4 ve kadınlarda AN prevalansının yaşamları boyunca% 0.3-1 olduğu tahmin edilmektedir ve BN5’ten muzdarip kadınların daha da yüksek bir yüzdesi vardır.
Çok sayıda risk faktörü, spesifik yeme bozuklukları ile ilişkilidir. Erken ergenlik döneminde diyet yapmak ve düşük vücut kitle indeksi (VKİ) kadınlarda AN riskini arttırır, ancak erken ergenlik, ince ideal içselleştirme, vücut memnuniyetsizliği, olumsuz etki ve sosyal destek eksiklikleri6 değildir. BN’nin başlangıcını öngören faktörler arasında kilo endişeleri, vücut memnuniyetsizliği, incelik dürtüsü, etkisizlik, düşük interoseptif farkındalık ve diyet, ancak mükemmeliyetçilik, olgunluk korkuları, kişilerarası güvensizlik veya BMI6 yoktur. Çeşitli yeme bozuklukları arasında semptomatik farklılıklar olsa da, risk faktörlerinde benzerlik vardır. Bu, yeme patolojisinin ve uyumsuz yeme davranışının (diyet) tüm yeme bozukluklarında ortak risk faktörleri olduğunu göstermektedir.
Gerçekten de, yeme patolojisi yeme bozukluklarında belirgindir. Bununla birlikte, patolojik yeme davranışını tanımlamanın ve ölçmenin zorluğu, tanının öncelikle semptom boyutlarının öznel tanımına dayandığı gerçeğiyle birleştiğinde, tanılar arasındaki sınırların belirsiz görünmesine neden olabilir7. Bu sorun, özellikle birinci basamak hekimleri gibi yeme bozukluğu hastalarına aşina olmayan sağlık pratisyenleri için yeme bozukluklarının teşhisini zorlaştırmaktadır.
Birinci basamaktaki sağlık profesyonelleri genellikle yeme bozukluğundan muzdarip bireyler tarafından yaklaşılan ilk kişilerdir. Olumlu bir prognoz için erken teşhis ve müdahalenin önemi göz önüne alındığında, bakım sağlayıcıları bu bozuklukları tanımalarına yardımcı olacak araçlara sahip olmalıdır. Bu nedenle, uzmanlar tarafından tedavilerindeki gecikmeleri önlemek için hızlı ve doğru bir şekilde tanı konulmalıdır.
Bu tanısal hedefe ulaşmanın bir yolu, semptomlarıyla ilgili anketleri dijitalleştirmek ve otomatikleştirmektir. Bu yöntemin ek bir yararı, yanıtların daha doğru olması olabilir, çünkü çalışmalar hastaların zihinsel sağlık sorunlarını tartışmak için sanal terapistlere insan klinisyenlerden daha fazla güvendiğini göstermektedir8. Diğer bir potansiyel fayda, bilgisayar teşhislerinin yüz yüze tanılardandaha yüksek güvenilirliğe sahip olabileceğini düşündüren bazı çalışmalarla birlikte tanısal güvenilirliğin artmasıdır 9,10.
Mevcut protokolde, ardışık olarak sevk edilen 949 hastanın fiziksel durum, davranış, duygu ve düşüncelerle ilgili açık uçlu ve kapalı uçlu sorulara verdiği cevaplara dayanan bir algoritma geliştirilmiştir (demografik veriler için bakınız Tablo 1). 949 katılımcının% 91.6’sı (869) kadındı,% 18.0’ında AN,% 19.0’ı BN,% 13.5’i YATAK,% 36.8’i OSFED,% 6.8’i obezite (OB) ve% 5.9’unda yeme bozukluğu yoktu (ED yok). Algoritma, hem yeme bozukluğuna sahip olma olasılığını hem de bireyin hangi tür yeme bozukluğuna sahip olduğuna dair sonucu tahmin eder. Anket maddeleri, Beslenme ve Yeme Bozuklukları için DSM-5 kriterlerine ve AN, BN, BED ve OSFED’in tanısal özelliklerine dayanmaktadır. OB (aşırı vücut yağı) DSM-5’e zihinsel bir bozukluk olarak dahil değildir. Bununla birlikte, OB ve BED2 arasında sağlam ilişkiler vardır. Anket maddeleri üç kategoriye ayrılmıştır: (1) VKİ, geçen yıl boyunca kilo kaybı / kazancı ve kendi kendine indüklenen kusma gibi durumlar. (2) Yeme düzeni, diyet yapma, kendini tartma, kendine bağlı kusma, arkadaşlardan ve aileden izolasyon ve aktivitelerden kaçınma gibi davranışlar. (3) İstenilen kilo, kontrolü kaybetmekten korkmak, aşırı yemek, yiyeceklerle ilgili düşünceler, başkaları çok zayıf olduğunuzu söylediğinde kendisinin şişman olduğuna inanmak ve kilo alımına tepki vermek gibi bilişler / düşünceler. Algoritma, öğelere kademeli olarak ağırlık atayan ve beş tanılamanın her biri için en ayırt edici öğeleri tanımlayan koşulsuz bir ayrımcı analize dayanmaktadır. Tanılama bilgileri, kullanımı kolay web tabanlı bir arayüzde görüntülenir.
Protocol
Representative Results
Discussion
Yeme bozukluklarının erken ve doğru teşhisi, uygun tedaviyi başlatmak, tedavi sonuçlarını iyileştirmek ve kötü sağlık sonuçlarını azaltmak için kritiköneme sahiptir 1. Bir tanıyı belirlemek için, klinisyenler büyük miktarda psikolojik ve fizyolojik bilgiyi ele almalıdır ve büyük miktarda veri, yanlış tanı riski yüksek olan tanıyı zaman alıcı bir görev haline getirir.
Burada açıklanan sistem, otomatik anket tabanlı tanı sağlayarak karar verme sürecini hızlandırmaktadır. Ek olarak, klinisyenlerin sağlıklı bir bireyin beklenen yanıtlarından sapan spesifik yanıtları görmelerini sağlar. Sistem, klinisyenlerin ihtiyaçları göz önünde bulundurularak geliştirilmiştir, bu nedenle anket yalnızca hasta tarafından doldurulabilecek kadar basittir ve klinisyenlerin tanı koymayı düşünürken ihtiyaç duydukları süreyi daha da azaltır. Aynı nedenle, yanıtlar girdiye kaydedilir ve işlemin herhangi bir zamanda duraklatılabilmesi sağlanır. Bilgisayar bağlantısı sorunları ve diğer kesintiler tüm işlemin tekrarlanmasını gerektirmez.
Protokoldeki bir sınırlama, tüm anket öğeleri doldurulmadıkça bir tanı önerisinin hesaplanamamasıdır. Diğer bir sınırlama ise kan basıncı ve periferik sıcaklık gibi tıbbi ölçümlerin sisteme dahil edilmemesi, ancak klinisyenler veya tıp doktorları tarafından değerlendirilmesi gerektiğidir.
Yeme bozukluğu teşhisleri için yarı yapılandırılmış elektronik görüşmeler 11 gibi çeşitli dijital araçlar vardır, ancak şu anda DSM-5 veya Uluslararası Hastalık Sınıflandırması,11. Revizyona (ICD-11) dayanan bir tanı algoritması yoktur. Mevcut yaklaşımlarla ilgili birincil sorun, klinisyenlerin tanıda yardım almaları veya sağlıksız yanıtları neyin oluşturduğunu iletmeleri için basit bir yol sağlamamalarıdır. Mevcut sistem, hem birinci basamakta, hem yeme bozuklukları hakkında çok az bilgiye sahip sağlık profesyonelleri tarafından hem de daha karmaşık vakaları tartışmak için uzman kliniklerde kullanılmak üzere tasarlanmıştır ve klinisyenlere yeme bozukluklarının teşhisi sırasında karar verme sürecinde yardımcı olmaktadır. Bu sistem, bakım kalitesinin artmasına, klinisyenlerin zaman ve çabalarının azalmasına neden olur ve klinisyenlerin günlük uygulamalarında daha fazla verimlilik sağlar.
Teşhis algoritması şu anda bir ankete dayanmaktadır ve sistemin klinisyenlere hastaları daha iyi teşhis etmelerini ve zor durumlarda diğer sağlık profesyonellerine danışmalarını öğretmesine izin vermektedir. Sistemin gelecekteki gelişimi tıbbi verileri de içermelidir. Ek olarak, algoritmanın prognostik yeteneği, anketi rafine ederek, gereksiz, bilgilendirici olmayan öğeleri daha alakalı olanlarla değiştirerek geliştirilebilir. Uzunlamasına bir yaklaşımın da dikkate alınması gerekir. Hasta uygun tedaviyi alırsa, zaman içinde sağlık ilerlemesini takip etmek önemlidir. Anketteki birçok madde takip yaklaşımı için hala geçerlidir. Bununla birlikte, sağlık ilerlemesini ölçmek için bir endeks oluşturmak için anket ve algoritmanın yeniden formüle edilmesi gerekir.
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
Bu çalışma Stockholm Bölgesi tarafından finanse edildi.
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 |
Riferimenti
- 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).
