Nature子刊：基于电子病历预测心理健康危机的机器学习模型

时间：2022-07-26 10:22:25 来源：网络整理

及时识别有精神健康危机风险的患者可改善结果并减轻负担和费用。然而，心理健康问题的高患病率意味着手动审查复杂的患者记录以做出主动护理决定在实践中是不可行的。因此，我们开发了一个机器学习模型，使用电子健康记录在28天内持续监测患者的精神健康危机风险。该模型在接受者操作特征曲线下的面积为0.797，在精确回忆率曲线下的面积为0.159，预测危机的敏感性为58%，特异性为85%。一项为期6个月的随访前瞻性研究评估了我们的算法在临床实践中的使用，并观察到预测在管理病例量或减轻64%病例的危机风险方面具有临床价值。据我们所知，这项研究是第一个持续预测各种心理健康危机的风险，并探索这种预测在临床实践中的附加价值。

全世界有近10亿人患有精神障碍。随着2019年冠状病毒病大流行大大加剧了全球精神卫生紧急情况，卫生保健系统面临着对精神卫生服务日益增长的需求，以及熟练人员的短缺2、3、4、5。在临床实践中，相当大的需求来自于心理健康危机，即患者既不能照顾自己也不能在社区有效地发挥作用的情况，以及患者可能伤害自己或他人的情况6,7。及时治疗可以防止导致这些危机和随后住院的症状恶化。然而，当患者将紧急护理途径作为进入医院或精神病院的主要切入点时，他们往往已经经历了精神健康危机。到目前为止，采取预防策略已经为时过晚，限制了精神科服务机构提前合理分配有限资源的能力。因此，在危机发生之前识别有经历危机风险的患者对于改善患者预后和管理病例量至关重要9。

郑重声明：文章仅代表原作者观点，不代表本站立场；如有侵权、违规，可直接反馈本站，我们将会作修改或删除处理。