A Computer-Based Platform for Aiding Clinicians in Eating Disorder Analysis and Diagnosis

Ulf Brodin; Modjtaba Zandian; Billy Langlet; Per S&#246;dersten; Anna Anvret; Jennie Sj&#246;berg; Cecilia Bergh

doi:10.3791/63848

Una plataforma basada en computadora para ayudar a los médicos en el análisis y diagnóstico de tr...

JoVE Journal
Behavior

This content is Free Access.

JoVE Journal Behavior

A Computer-Based Platform for Aiding Clinicians in Eating Disorder Analysis and Diagnosis

Una plataforma basada en computadora para ayudar a los médicos en el análisis y diagnóstico de trastornos alimentarios

Full Text

4,672 Views

04:19 min

May 10, 2022

DOI: 10.3791/63848-v

Ulf Brodin², Modjtaba Zandian¹, Billy Langlet¹, Per Södersten¹, Anna Anvret², Jennie Sjöberg², Cecilia Bergh^1,2

¹Department of Neurobiology, Care Sciences and Society,Karolinska Institutet, ²Mandometer Clinic

Please note that some of the translations on this page are AI generated. Click here for the English version.

Overview

This article presents a web-based algorithm designed to improve the diagnosis of eating disorders by analyzing patient responses to a questionnaire. The system enhances diagnostic accuracy while allowing clinicians to efficiently assess patients.

Key Study Components

Area of Science

Clinical psychology
Healthcare technology
Eating disorder diagnosis

Background

Diagnosing eating disorders is often challenging for healthcare providers.
Traditional methods may lead to misdiagnosis or underdiagnosis.
Utilizing technology can improve patient honesty and streamline the diagnostic process.
The algorithm is based on extensive patient data to enhance reliability.

Purpose of Study

To develop a reliable diagnostic tool for eating disorders.
To assist clinicians in identifying patients who meet the criteria for eating disorders.
To provide a user-friendly interface for clinicians and patients.

Methods Used

Web-based questionnaire for patient responses.
Algorithmic analysis of responses to determine diagnosis.
Integration of patient data such as weight, height, and behavioral patterns.
Clinician input for final diagnosis based on algorithm results.

Main Results

The algorithm achieved a diagnostic accuracy of 97.1% for eating disorders.
It provided insights into patient responses that deviated from healthy norms.
Clinicians received recommendations based on algorithmic assessments.
The system aids in teaching clinicians better diagnostic practices.

Conclusions

The web-based tool significantly improves the reliability of eating disorder diagnoses.
It allows for better patient management and referral processes.
The system can enhance clinician training and decision-making.

Frequently Asked Questions

What types of eating disorders can the algorithm diagnose?

The algorithm can diagnose anorexia nervosa, bulimia nervosa, and binge eating disorder.

How does the system ensure patient honesty?

Patients tend to be more honest when responding to a computer-based questionnaire compared to a clinician.

What is the role of the clinician in this system?

Clinicians use the algorithm's results to make informed decisions about patient diagnoses and referrals.

How is patient data collected?

Patient data is collected through a web-based registration form and questionnaire.

What is the accuracy of the diagnostic algorithm?

The algorithm has an accuracy of 97.1% for diagnosing eating disorders.

Can the system be used for training clinicians?

Yes, the system provides insights that can help train clinicians in better diagnostic practices.

Diagnosticar los trastornos alimentarios en la atención médica es un desafío. Por lo tanto, el presente protocolo desarrolla un algoritmo basado en 949 respuestas de pacientes a un cuestionario, con el diagnóstico mostrado en una interfaz basada en la web fácil de usar. Este sistema facilita el diagnóstico preciso de los trastornos alimentarios al tiempo que excluye a aquellos que se cree que tienen un trastorno alimentario.

El sistema decide si un paciente cumple con los criterios diagnósticos para un trastorno alimentario y qué tipo de trastorno alimentario como la anorexia nerviosa, la bulimia nerviosa o el trastorno por atracón. Por lo tanto, los pacientes tienden a ser más honestos al responder a una computadora que a una persona física. Y, por supuesto, el sistema está ahorrando tiempo al clínico.

El propósito del método es mejorar la confiabilidad del diagnóstico del trastorno alimentario, ayudando a los médicos a seleccionar a aquellos que sufren de un trastorno alimentario y derivando a aquellos que no cumplen con los criterios del trastorno alimentario a otros tratamientos o ningún tratamiento. Demostrando los procedimientos estará Alkioni Glibi, un asistente de investigación en nuestro laboratorio. Tras la derivación del paciente, navegue a la página de destino web utilizando cualquier navegador moderno.

Utilice una cuenta existente asociada con un médico para iniciar sesión en la herramienta web. Complete el formulario de registro de pacientes, incluida la identificación del paciente, la fecha de nacimiento, la edad y el sexo, el número de seguro social. Pulse el botón Guardar para registrar a un nuevo paciente.

Abra la aplicación del cuestionario en un dispositivo inteligente. Complete el número de seguro social y la fecha de la primera visita para el paciente. La fecha actual se utiliza de forma predeterminada.

A continuación, rellene la información correspondiente al peso, la altura y la edad del paciente. A continuación, rellene la información correspondiente al comportamiento como los vómitos inducidos, la frecuencia de los refrigerios y la tasa de alimentación, seguido de los detalles correspondientes a elementos cognitivos y emocionales, como el miedo a aumentar de peso y los sentimientos de dismorfia corporal. Pulse el botón Listo para finalizar el cuestionario.

Navegue a la página de destino web utilizando cualquier navegador web. Utilice una cuenta existente para iniciar sesión en la herramienta web. Busque al paciente utilizando el número de seguro social del paciente o la identificación del paciente.Agregue el peso y la altura medidos al sistema.

Presione la pestaña Resultado para obtener la decisión algorítmica de si el paciente tiene un trastorno alimentario o disfunción eréctil y qué tipo de disfunción eréctil. Luego presione la pestaña preguntas del uno al 20 o las preguntas 21 a 34 para mostrar las preguntas donde las respuestas del paciente se desvían de las respuestas de las personas sanas. Seleccione un diagnóstico final en la pestaña Resultado, según el algoritmo y la experiencia del médico. Aquí se muestra un ejemplo de una página de evaluación de riesgos para el diagnóstico recomendado y la probabilidad estimada de precisión de cero a uno.

A partir del diagnóstico recomendado y las respuestas al cuestionario, se generaron respuestas sanas y desviadas. El algoritmo que estima la probabilidad de diferentes tipos de trastornos alimentarios para el individuo se demuestra aquí. Se determinó que la precisión del modelo fue de 97,1 para la disfunción eréctil y de 82,8 para el diagnóstico de la disfunción eréctil.

Otro beneficio del sistema es que proporciona las respuestas responsables del diagnóstico sugerido, lo que permite al sistema enseñar a los médicos a diagnosticar mejor a los pacientes y consultar a profesionales de la salud adicionales en casos difíciles.