Summary
医療における摂食障害の診断は困難です。したがって、本プロトコルは、アンケートに対する949人の患者の回答に基づいてアルゴリズムを開発し、診断を使いやすいWebベースのインターフェース上に表示する。このシステムは、摂食障害を有すると考えられるものを排除しながら、摂食障害の正確な診断を容易にする。
Abstract
摂食障害(神経性食欲不振、神経性過食症、過食症、および他の特定の摂食障害または摂食障害)は、合計有病率が13%であり、重度の身体的および心理社会的問題と関連している。早期診断は、望ましくない長期的な健康への影響の効果的な治療と予防に重要であるが、プライマリケアで働く人々など、これらの患者に精通していない非専門臨床医に問題を課す。早期で正確な診断、特にプライマリケアでは、障害の早期に専門家の介入が可能になり、肯定的な治療結果を促進することができます。コンピュータ支援診断手順は、専門の診断者および専門の介護者によって直接診断された多数の症例から開発されたアルゴリズム を介して 専門知識を提供することによって、この問題に対する可能な解決策を提供する。これらのデータをもとに、摂食障害の疑いのある患者さんの正確な診断を決定するためのWebベースのシステムが開発されました。このプロセスは、回答者が摂食障害を患っている確率と個人が持っている摂食障害の種類を推定するアルゴリズムを使用して自動化されています。このシステムは、診断プロセス中に臨床医の援助として機能し、新しい臨床医のための教育ツールとして機能するレポートを提供します。
Introduction
ダイエットおよび関連する身体活動の増加は、神経性食欲不振および他の摂食障害の既知の原因である1。精神障害の診断マニュアル(DSM-5)に記載されている最も一般的な摂食障害は、神経性食欲不振(AN)、神経性過食症(BN)、過食症(BED)、およびその他の特定の摂食障害(OSFED)2です。これらの障害は主に女性に影響を及ぼし、重度の身体的および/または心理社会的健康合併症および苦痛を伴う3。女性の約13%が摂食障害4に罹患しており、女性におけるANの有病率は生涯を通じて0.3%〜1%と推定され、BN5に罹患している女性の割合はさらに高い。
多数の危険因子が特定の摂食障害と関連している。思春期初期および低ボディマス指数(BMI)の間のダイエットは、女性のANのリスクを増加させるが、早期思春期、薄型理想的な内在化、身体不満、負の影響、および社会的支援の欠損はそうではない6。BNの発症を予測する要因の中には、体重の懸念、身体の不満、痩せの衝動、無力感、低い内受容性意識、およびダイエットがありますが、完璧主義、成熟の恐怖、対人不信、またはBMI6ではありません。さまざまな種類の摂食障害の間には症候性の違いがありますが、危険因子には類似点があります。これは、摂食病理および不適応摂食行動(ダイエット)がすべての摂食障害にわたって共通の危険因子であることを示唆している。
実際、摂食病理は摂食障害において顕著である。しかし、病理学的摂食行動を定義および定量化することの難しさは、診断が主に症状の次元の主観的記述に依存するという事実と相まって、診断間の境界を不明瞭に見せる可能性がある7。この問題は、摂食障害の診断を、特にプライマリケア医などの摂食障害患者に精通していない医療従事者にとって困難にしている。
プライマリケアの医療従事者は、摂食障害に苦しむ個人から最初にアプローチされることがよくあります。良好な予後のための早期発見と介入の重要性を考えると、ケア提供者はこれらの障害を認識するのに役立つツールを持たなければならない。したがって、専門家による治療の遅れを防ぐために、診断を迅速かつ正確に決定する必要があります。
この診断目標を達成する方法の1つは、症状に関するアンケートをデジタル化して自動化することです。この方法のさらなる利点は、患者が精神的健康問題を議論するために人間の臨床医よりも仮想療法士を信頼することを研究が示唆しているため、応答がより真実であることです8。もう1つの潜在的な利点は診断の信頼性の向上であり、いくつかの研究は、コンピュータ診断が対面診断よりも高い信頼性を有することができることを示唆している9,10。
本プロトコルでは、949人の連続して紹介された患者による身体的状態、行動、感情、および思考に関するオープンエンドおよびクローズドエンドの質問に対する回答に基づいてアルゴリズムが開発されている(人口統計学的データについては、 表1を参照)。949人の参加者のうち、91.6%(869人)が女性、18.0%がAN、19.0%がBN、13.5%がBED、36.8%がOSFED、6.8%が肥満(OB)、5.9%が摂食障害(EDなし)であった。このアルゴリズムは、摂食障害を有する確率と、個人がどのタイプの摂食障害を有するかに関する結論の両方を推定する。アンケート項目は、摂食障害および摂食障害のDSM-5基準と、AN、BN、BED、およびOSFEDの診断機能に基づいています。OB(過剰な体脂肪)は精神障害としてDSM-5には含まれません。ただし、OB と BED2 の間には堅牢な関連付けがあります。アンケート項目は、(1)BMI、昨年の減量・増量、自家性嘔吐などの症状の3つに分類されます。(2)食事、ダイエット、体重測定、自己誘発性嘔吐、友人や家族との孤立、活動を避けるなどの行動。(3)希望する体重、コントロールを失うことを恐れる、食べ過ぎ、食べ物について考える、他人に痩せすぎていると言われると自分は太っていると信じる、体重増加に対する反応などの認知/思考。このアルゴリズムは、項目に重みを段階的に割り当て、5 つの診断のそれぞれについて最も判別しやすい項目を識別する無条件判別分析に基づいています。診断情報は、使いやすい Web ベースのインターフェイスに表示されます。
Protocol
実験対象および患者に関するすべての研究は、スウェーデン倫理審査局(D. nr: 2019-05505)によって承認された。システムへの登録前に、すべての個人がデータの保存、取り扱い、および分析に書面による同意を提供しました。患者は、摂食障害の専門的な治療のために、医師の紹介または自己紹介のいずれかによって診療所に紹介された。摂食障害に罹患していることが、患者の包含基準であった。
1. 臨床医による患者登録
注:患者登録(図1)は、臨床医が開発したカスタムWebツールを使用して完了 します(材料表を参照)。
- 患者の紹介時に最新のブラウザを使用してWebランディングページに移動します。
- 臨床医に関連付けられている既存のアカウントを使用して、Webツールにログインします。
- 患者登録フォームに、患者ID、社会保障番号、生年月日、年齢、性別などを記入してください。
- [保存] ボタンを押して、新しい患者を登録します。この時点で、プロシージャを一時停止し、後で再開できます。
2. 患者へのアンケート
注:患者は、Webツールで開発されたカスタムアプリを使用して、スマートデバイス上のアンケートに記入します( 材料表を参照)。患者が未成年の場合、アンケートは親または保護者によって記入されます。彼らのデータはテーマ別ブロックに編成されています。各質問に対する回答が完了すると、システムは次の質問を提示します(図2)。
- スマートデバイスでアンケートアプリケーションを開きます。
- 患者の社会保障番号を入力します(図3)。
- 最初の訪問日を入力します。現在の日付がデフォルトで使用されます。
- 患者の体重、身長、年齢に対応する情報を入力します。
- 誘発された嘔吐、おやつの頻度、摂食率などの行動に対応する情報を入力します。
- 体重増加の恐怖や身体の異形感など、認知・情緒的な項目に対応する内容を記入します。
- [完了] ボタンを押してアンケートを終了します。この時点で、アンケートを一時停止し、後で再開できます。
3. 臨床医によるリスク評価
注:リスク評価(図4)は、臨床医がカスタムWebツールを使用して取得し、使用します( 材料表を参照)。
- 任意の Web ブラウザーを使用して Web ランディング ページに移動します。既存のアカウントを使用して Web ツールにログインします。
- 患者の社会保障番号または患者 ID を使用して患者を検索します。
- 測定された重量と身長をシステムに追加します。
- [結果] タブを押して、患者が ED を持っているかどうか、また、ED がある場合はEDの種類をアルゴリズムで決定します。
- [ 質問 1-20] タブまたは [質問 21-34] を押して、患者の回答が健常者の回答から逸脱している質問を表示します。
- アルゴリズムと臨床医の専門知識に基づいて、[ 結果 ] タブで最終診断を選択します。
Representative Results
ステップ1で説明した患者登録は、コンピュータ化された医療記録の 図1 に提示されたフォームに記入する臨床医によって行われる。臨床医が新しい患者を登録すると、アプリケーションはステップ2に移り、患者はアンケートに回答することができます。アンケートを開始するには、患者または臨床医はまず患者の社会保障番号(またはID)をスマートデバイスのアプリに入力する必要があり(図3)、その後、アプリは最初のアンケート項目を表示します。 図 2 に、診断アンケートの 1 つの項目のスクリーンショットを示します。アンケート項目に対する回答が選択されると、アプリケーションは次の項目に移動します。患者は前の質問の回答を変更するために戻ることができず、アンケートが途中で終了した場合でも回答は保存され、ユーザーは不足している項目を埋めるために戻ることができます。すべての質問に回答すると、アプリは自動的に閉じられます。
アンケートが完了すると、 図4 に示すリスク評価ページが、Webインターフェイス を介して 臨床医に提供されます。臨床医は、アンケートの危険因子の自動計算に基づいて、0-1(すなわち、100%の範囲)からの精度の推定確率とともに、「結果」ページで推奨される診断を表示できます。「質問1-20」または「質問21-34」のいずれかのタブを押すことで、臨床医は、提案された診断をもたらした健康な回答(ターコイズ色)と逸脱した回答(赤色)を表示できます(図5)。アルゴリズム( 材料表を参照)は、摂食障害を有する確率と、個人がどのタイプの摂食障害を有するかに関する結論の両方を推定する。このモデルの精度は、ED診断では97.1%、ED診断では82.8%です(表2)。診断情報は、使いやすい Web ベースのインターフェイスに表示されます。この情報は、アルゴリズム診断が臨床医自身の評価と一致する場合、臨床医に自信を持って決定を提供します。アルゴリズム診断が臨床医の評価と一致しない場合、臨床医は他の医療専門家からセカンドオピニオンを求めることが奨励される。このシステムにより、臨床医は、質問タブで健康な個人から逸脱すると予想される特定の質問を見たり、他の医療従事者と困難な症例を確認したりすることで、患者の診断をより良くするために自分自身を訓練することができます。
図 1: Web ツールの患者登録フォームの図。 この図の拡大版を表示するには、ここをクリックしてください。
図 2: スマート タブレットに表示される 1 つのアンケート項目のサンプル。 この図の拡大版を表示するには、ここをクリックしてください。
図 3: 診断アンケートに回答する前に、必要な社会保障番号を尋ねるページのスナップショット。 この図の拡大版を表示するには、ここをクリックしてください。
図 4: Web ツールを使用して表示される、推奨される診断と推定精度 (この場合は 100%) の結果ページの例。 結果ページには、患者の日付、性別、年齢、BMIも表示されます。上部では、臨床医は診断を選択できます。 この図の拡大版を表示するには、ここをクリックしてください。
図5:アンケート回答と提案された診断との関連。 赤は高い関連性を示し、青緑色は低い関連性を示します。 この図の拡大版を表示するには、ここをクリックしてください。
| 女性 (n = 869) | 男性 (n = 80) | 合計 (n = 949) | |
| 年齢 | 21.0 (17.0 - 30.0) | 21.0 (15.0 - 33.5) | 21.0 (17.0 - 30.0) |
| 高さ | 167.0 (162.0 - 170.0) | 176.5 (169.0 - 183.0) | 167.0 (162.0 - 171.0) |
| 重量 | 58.2 (50.0 - 75.0) | 71.5 (57.0 - 97.0) | 59.1 (50.0 - 76.5) |
| ティッカー | 20.9 (17.8 - 26.7) | 21.3 (18.0 - 31.2) | 21 (17.9 - 27.1) |
表1:診断アルゴリズム開発のために含まれた949人の患者の人口統計データ。 値は中央値(下四分位数 - 上四分位)で表されます。
| 診断 | 臨床医の診断 | アルゴリズム診断 | 精度(%) |
| ひとつの | 171 | 172 | 87.1 |
| ティッカー | 180 | 181 | 82.2 |
| ベッド | 128 | 138 | 81.3 |
| ティッカー | 349 | 328 | 79.9 |
| ティッカー | 65 | 74 | 90.8 |
表2:訓練を受けた臨床医によって診断された各EDカテゴリーの患者数とアルゴリズムの決定と精度。
Discussion
摂食障害の早期かつ正確な診断は、適切な治療を開始し、治療結果を改善し、健康状態の悪化を減らすために不可欠です1。診断を決定するために、臨床医は大量の心理的および生理学的情報を処理しなければならず、大量のデータは診断を誤診のリスクの高い時間のかかる作業にする。
ここで説明するシステムは、アンケートベースの自動診断を提供することにより、意思決定プロセスをスピードアップします。さらに、臨床医は、健康な個人の期待される応答から逸脱する特定の応答を表示することができます。このシステムは臨床医のニーズを念頭に置いて開発されたため、アンケートは患者だけで記入できるほど簡単で、臨床医が診断を検討する際に必要な時間がさらに短縮されます。同じ理由で、応答は入力時に保存され、プロセスをいつでも一時停止できます。コンピュータ接続の問題やその他の中断は、プロセス全体を繰り返す必要はありません。
プロトコルの制限は、すべてのアンケート項目が入力されていない限り、診断提案を計算できないことです。もう1つの制限は、血圧や末梢温度などの医学的測定値はシステムに含まれないが、臨床医または医師によって評価されなければならないことである。
摂食障害診断のためのデジタルツールは、半構造化電子インタビュー11などいくつかありますが、DSM-5や国際疾病分類、11th Revision(ICD-11)に基づく診断アルゴリズムは現在ありません。利用可能なアプローチの主な問題は、臨床医が診断の援助を受けたり、不健康な反応を構成するものを伝えるための簡単な方法を提供していないことです。現在のシステムは、摂食障害の知識がほとんどない医療従事者によるプライマリケアと、より複雑な症例を議論するための専門診療所の両方での使用を意図しており、摂食障害の診断中の意思決定プロセスにおいて臨床医を支援する。このシステムは、ケアの質の向上、臨床医による時間と労力の削減をもたらし、臨床医の日々の診療における効率の向上をもたらす。
診断アルゴリズムは現在、1つのアンケートに基づいており、システムは臨床医に患者をよりよく診断し、困難な場合には他の医療専門家に相談するように教えることができます。今後のシステム開発には、医療データも含まれていなければなりません。さらに、アルゴリズムの予後予測能力は、アンケートを洗練させ、冗長で非有益な項目をより関連性の高い項目に置き換えることによって改善することができます。縦断的なアプローチも考慮する必要があります。患者が適切な治療を受ける場合、時間の経過とともに健康の進行を追跡することが不可欠です。アンケートの多くの項目は、フォローアップアプローチにはまだ有効です。ただし、アンケートとアルゴリズムを再定式化して、健康の進行を測定するための指標を作成する必要があります。
Disclosures
ここでは、財務上の取り決めに関する完全な開放性を意図しています。ブロディンは、この研究に関連する金銭的利益はないと宣言している。私たちの研究は、セーダーステンが名誉教授であるカロリンスカ研究所で行われています。この研究は、セーダーステンとバーグが立ち上げたマンド・グループABによって臨床的に翻訳されており、それぞれ株式の47.5%を保有しています。カリフォルニア大学アーバイン校のマイケル・レオン教授は残りの5%を持っています。マンドグループABは、摂食障害の患者を治療するために5年ごとにストックホルム地域と契約しています。マンドグループABは、1997年にストックホルム地域との最初の契約に署名し、それ以来、その治療はストックホルムの市民に提供されるケアの基準の1つです。マンドグループABは最新の入札を獲得し、現在ストックホルムの4つの病院にマンドメータークリニックがあります。この取り決めは、ストックホルム地域が摂食障害を含むあらゆる種類の疾患の患者を治療するために独自の診療所と契約する場合と同じです。つまり、ストックホルム地域は、独自の診療所とマンドグループABの両方を通じて、ストックホルムの市民に摂食障害サービスを提供しています。スウェーデンのすべての医療は税制を通じて賄われています。私的な支払いは非常にまれです。まず、マンド・グループABは、医学雑誌編集者国際委員会の「著者の責任-利益相反」に関する勧告に従っている http://www.icmje.org/recommendations/browse/rolesand-responsibilities/ 付け加えておくべきである。第二に、Mando Group ABが得たすべての利益は研究開発に再投資されており、株式所有者への配当はなかったことも付け加えるべきです。上記のすべては、すべての原稿の投稿で宣言されており、これまでのところ、ジャーナルは詳細の一部のみを公開する必要があると判断しています。しかし、科学者が研究成果を企業の診療所に翻訳するときの潜在的な倫理的問題は、学術的な場面で科学者が理論を開発しており、自分の仕事のためにさらなる経済的資金を必要とし、その仕事の認識と財政的利益を受ける可能性があるときに生じる問題と変わらないようです。この場合、インセンティブは部分的には経済的であり、倫理的な「問題」はどちらの場合も似ています。しかし、より重要なインセンティブは、摂食障害患者の治療の改善である。私たちは学術的な環境で働いている研究者であり、今日の他の多くの医学研究機関と同様に、カロリンスカ研究所は、研究開発に使用される経済的利益を生み出すことを目的とした企業の診療所に研究を翻訳することを科学者に奨励しています(https://issuu.com/karolinska_institutet/docs/ki_strategy2030_eng)。
Acknowledgments
この作業はストックホルム地域から資金提供を受けた。
Materials
| Name | Company | Catalog Number | Comments |
| 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.
- American Psychiatric Association. Diagnostic and Statistical Manual of Mental Disorders, 5th Edition. , American Psychiatric Publishing. Washington, DC. DSM-5 (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, Ø 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).
