10. Mai 2022
Die Diagnose von Essstörungen im Gesundheitswesen ist eine Herausforderung. Daher entwickelt das vorliegende Protokoll einen Algorithmus, der auf 949 Patientenantworten auf einen Fragebogen basiert, wobei die Diagnose auf einer einfach zu bedienenden webbasierten Oberfläche angezeigt wird. Dieses System erleichtert die genaue Diagnose von Essstörungen und schließt diejenigen aus, von denen angenommen wird, dass sie eine Essstörung haben.
Das System entscheidet, ob ein Patient die diagnostischen Kriterien für eine Essstörung erfüllt und welche Art von Essstörung wie Anorexia nervosa, Bulimia nervosa oder Binge-Eating-Störung auftritt. So neigen Patienten dazu, ehrlicher zu sein, wenn sie einem Computer antworten als eine physische Person. Und natürlich spart das System Zeit für den Kliniker.
Der Zweck der Methode besteht darin, die Zuverlässigkeit der Diagnose von Essstörungen zu verbessern, Kliniker bei der Auswahl derjenigen zu unterstützen, die an einer Essstörung leiden, und diejenigen, die die Kriterien der Essstörung nicht erfüllen, an andere Behandlungen oder keine Behandlungen zu verweisen. Alkioni Glibi, ein wissenschaftlicher Mitarbeiter in unserem Labor, wird die Verfahren demonstrieren. Navigieren Sie bei Patientenüberweisung mit einem modernen Browser zur Web-Zielseite.
Verwenden Sie ein vorhandenes Konto, das mit einem Kliniker verknüpft ist, um sich beim Web-Tool anzumelden. Füllen Sie das Patientenregistrierungsformular aus, einschließlich Patientenausweis, Geburtsdatum, Alter und Geschlecht sowie Sozialversicherungsnummer. Klicken Sie auf die Schaltfläche Speichern, um einen neuen Patienten zu registrieren.
Öffnen Sie die Fragebogenanwendung auf einem intelligenten Gerät. Geben Sie die Sozialversicherungsnummer und das Datum des ersten Besuchs für den Patienten ein. Standardmäßig wird das aktuelle Datum verwendet.
Geben Sie dann die Informationen ein, die dem Gewicht, der Größe und dem Alter des Patienten entsprechen. Als nächstes füllen Sie die Informationen aus, die dem Verhalten wie induziertem Erbrechen, Snack-Häufigkeit und Essrate entsprechen, gefolgt von Einzelheiten, die kognitiven und emotionalen Elementen entsprechen, wie Angst vor Gewichtszunahme und Gefühle von Körperdysmorphien. Klicken Sie auf die Schaltfläche Fertig, um den Fragebogen abzuschließen.
Navigieren Sie mit einem beliebigen Webbrowser zur Web-Zielseite. Verwenden Sie ein vorhandenes Konto, um sich beim Web-Tool anzumelden. Suchen Sie mit der Sozialversicherungsnummer oder dem Patientenausweis des Patienten nach dem Patienten.Fügen Sie dem System gemessenes Gewicht und Größe hinzu.
Drücken Sie auf die Registerkarte Ergebnis, um die algorithmische Entscheidung zu erhalten, ob der Patient eine Essstörung oder ED hat und welche Art von ED es hat. Drücken Sie dann die Registerkarte Fragen eins bis 20 oder Fragen 21 bis 34, um die Fragen anzuzeigen, bei denen die Patientenantworten von den Antworten gesunder Personen abweichen. Wählen Sie auf der Registerkarte Ergebnis eine endgültige Diagnose aus, die auf dem Algorithmus und dem Fachwissen des Klinikers basiert. Ein Beispiel für eine Risikobewertungsseite für die empfohlene Diagnose und die geschätzte Wahrscheinlichkeit der Genauigkeit von Null bis Eins ist hier dargestellt.
Aus den empfohlenen Diagnose- und Fragebogenantworten wurden gesunde und abweichende Antworten generiert. Der Algorithmus, der die Wahrscheinlichkeit verschiedener Arten von Essstörungen für den Einzelnen abschätzt, wird hier demonstriert. Die Genauigkeit des Modells wurde mit 97,1 für ED und 82,8 für die ED-Diagnose bestimmt.
Ein weiterer Vorteil des Systems besteht darin, dass es die Antworten liefert, die für die vorgeschlagene Diagnose verantwortlich sind, was es dem System ermöglicht, Klinikern beizubringen, Patienten besser zu diagnostizieren und in schwierigen Fällen zusätzliche Angehörige der Gesundheitsberufe zu konsultieren.
Dieser Artikel stellt einen webbasierten Algorithmus vor, der entwickelt wurde, um die Diagnose von Essstörungen durch die Analyse von Patientenantworten auf einen Fragebogen zu verbessern. Das System erhöht die diagnostische Genauigkeit und ermöglicht es Klinikern, Patienten effizient zu beurteilen.
Algorithm-driven diagnostic platforms for complex behavioral disorders address a critical gap in early, accurate identification, especially in primary care settings lacking specialist expertise. By standardizing diagnostic criteria and quantifying probability estimates, such systems enhance predictive confidence and streamline patient triage. This approach supports scalable, reproducible decision-making across diverse clinical environments, directly impacting portfolio-level risk management in digital health and behavioral medicine R&D.
This computer-based diagnostic platform integrates into the early discovery-to-clinical translation continuum, supporting hypothesis testing, digital biomarker validation, and scalable patient stratification.