Summary
Diagnosticering af spiseforstyrrelser i sundhedsvæsenet er udfordrende. Derfor udvikler den nuværende protokol en algoritme baseret på 949 patientsvar på et spørgeskema, hvor diagnosen vises på en brugervenlig webbaseret grænseflade. Dette system letter den nøjagtige diagnose af spiseforstyrrelser, mens de udelukker dem, der menes at have en spiseforstyrrelse.
Abstract
Spiseforstyrrelser (anorexia nervosa, bulimia nervosa, binge-spiseforstyrrelse og andre specificerede spise- eller fodringsforstyrrelser) har en kombineret forekomst på 13% og er forbundet med alvorlige fysiske og psykosociale problemer. Tidlig diagnose, som er vigtig for effektiv behandling og forebyggelse af uønskede langsigtede sundhedsmæssige konsekvenser, medfører problemer blandt ikke-specialiserede klinikere, der ikke er bekendt med disse patienter, såsom dem, der arbejder i primærplejen. Tidlig, nøjagtig diagnose, især i primærpleje, tillader ekspertinterventioner tidligt nok i lidelsen til at lette positive behandlingsresultater. Computerassisterede diagnostiske procedurer tilbyder en mulig løsning på dette problem ved at levere ekspertise via en algoritme, der er udviklet fra et stort antal tilfælde, der er blevet diagnosticeret personligt af ekspertdiagnostikere og ekspertplejere. Et webbaseret system til bestemmelse af en nøjagtig diagnose for patienter, der mistænkes for at lide af en spiseforstyrrelse, blev udviklet baseret på disse data. Processen automatiseres ved hjælp af en algoritme, der estimerer respondentens sandsynlighed for at have en spiseforstyrrelse og den type spiseforstyrrelse, den enkelte har. Systemet giver en rapport, der fungerer som en hjælp til klinikere under diagnosticeringsprocessen og fungerer som et uddannelsesværktøj for nye klinikere.
Introduction
Slankekure og en tilhørende stigning i fysisk aktivitet er de kendte årsager til anorexia nervosa og andre spiseforstyrrelser1. De mest almindelige spiseforstyrrelser, der er nævnt i diagnosticeringsmanualen for psykiske lidelser (DSM-5), er anorexia nervosa (AN), bulimia nervosa (BN), binge-spiseforstyrrelse (BED) og anden specificeret fodring eller spiseforstyrrelse (OSFED)2. Disse lidelser påvirker primært kvinder og ledsages af alvorlige fysiske og / eller psykosociale helbredskomplikationer og nød3. Ca. 13% af kvinderne lider af spiseforstyrrelser4, og forekomsten af AN hos kvinder anslås til 0,3% -1% i hele deres liv, med en endnu højere procentdel af kvinder, der lider af BN5.
En lang række risikofaktorer er forbundet med specifikke spiseforstyrrelser. Slankekure i de tidlige ungdomsår og et lavt body mass index (BMI) øger risikoen for AN hos kvinder, men tidlig pubertet, tynd-ideel internalisering, krops utilfredshed, negativ påvirkning og social støtte underskud ikke6. Blandt de faktorer, der forudsiger begyndelsen af BN, er vægtproblemer, krops utilfredshed, trang til tyndhed, ineffektivitet, lav interoceptiv bevidsthed og slankekure, men ikke perfektionisme, modenhedsfrygt, interpersonel mistillid eller BMI6. Mens der er symptomatiske forskelle mellem de forskellige typer spiseforstyrrelser, er der en lighed i risikofaktorerne. Dette tyder på, at spisepatologi og maladaptive spiseadfærd (slankekure) er almindelige risikofaktorer på tværs af alle spiseforstyrrelser.
Faktisk er spisepatologi iøjnefaldende i spiseforstyrrelser. Vanskeligheden ved at definere og kvantificere patologisk spiseadfærd kombineret med det faktum, at diagnosen primært er afhængig af den subjektive beskrivelse af symptomdimensionerne, kan imidlertid få grænserne mellem diagnoser til at virke uklare7. Dette problem gør diagnosen af spiseforstyrrelser vanskelig, især for sundhedspersonale, der ikke er bekendt med spiseforstyrrelsespatienter, såsom primærlæger.
Sundhedspersonale i primærpleje er ofte de første, der bliver kontaktet af personer, der lider af en spiseforstyrrelse. I betragtning af vigtigheden af tidlig påvisning og intervention for en gunstig prognose skal plejepersonale have værktøjerne til at hjælpe dem med at genkende disse lidelser. Derfor skal en diagnose bestemmes hurtigt og præcist for at forhindre forsinkelser i deres behandling af specialister.
En måde at nå dette diagnostiske mål på er at digitalisere og automatisere spørgeskemaer vedrørende deres symptomer. En ekstra fordel ved denne metode kan være, at svarene er mere sandfærdige, da undersøgelser tyder på, at patienter stoler mere på virtuelle terapeuter end menneskelige klinikere til at diskutere psykiske problemer8. En anden potentiel fordel er øget diagnostisk pålidelighed, hvor nogle undersøgelser tyder på, at computerdiagnoser kan have højere pålidelighed end personlige diagnoser 9,10.
I den nuværende protokol er der udviklet en algoritme baseret på svarene på åbne og lukkede spørgsmål om fysisk tilstand, adfærd, følelser og tanker fra 949 på hinanden følgende henviste patienter (for demografiske data, se tabel 1). Af de 949 deltagere var 91,6% (869) kvinder, 18,0% havde AN, 19,0% BN, 13,5% BED, 36,8% OSFED, 6,8% fedme (OB) og 5,9% havde ingen spiseforstyrrelse (ingen ED). Algoritmen estimerer både sandsynligheden for at have en spiseforstyrrelse og konklusionen om, hvilken type spiseforstyrrelse den enkelte har. Spørgeskemaelementerne er baseret på DSM-5-kriterier for fodring og spiseforstyrrelser og de diagnostiske egenskaber ved AN, BN, BED og OSFED. OB (overskydende kropsfedt) er ikke inkluderet i DSM-5 som en psykisk lidelse. Der er dog robuste sammenhænge mellem OB og BED2. Spørgeskemaelementerne er grupperet i tre kategorier: (1) Betingelser, såsom BMI, vægttab / gevinst i løbet af det sidste år og selvinduceret opkastning. (2) Adfærd, herunder spisemønstre, slankekure, vejning af sig selv, selvinduceret opkastning, isolation fra venner og familie og undgåelse af aktiviteter. (3) Kognitioner/tanker, såsom ønsket vægt, at være bange for at miste kontrollen, overspisning, tanker om mad, at tro, at man er tyk, når andre siger, at man er for tynd, og reaktion på vægtøgning. Algoritmen er baseret på en ubetinget diskriminantanalyse, der tildeler vægte til elementer trinvist og identificerer de mest diskriminerende elementer for hver af de fem diagnoser. Diagnosticeringsoplysningerne vises på en brugervenlig webbaseret grænseflade.
Protocol
Alt arbejde med forsøgspersoner og patienter blev godkendt af den svenske etiske revisionsmyndighed, Sverige (D. nr: 2019-05505). Før registrering i systemet gav alle personer skriftligt samtykke til opbevaring, håndtering og analyse af deres data. Patienterne blev henvist til klinikken for specialiseret behandling af spiseforstyrrelser enten ved lægehenvisning eller selvhenvisning. At lide af en spiseforstyrrelse var inklusionskriterierne for patienterne.
1. Patientregistrering af klinikere
BEMÆRK: Patientregistrering (figur 1) udfyldes af en kliniker ved hjælp af et udviklet brugerdefineret webværktøj (se Materialetabel).
- Naviger til websiden ved hjælp af enhver moderne browser ved henvisning til patienten.
- Brug en eksisterende konto, der er knyttet til en kliniker, til at logge på webværktøjet.
- Udfyld patientregistreringsformularen, herunder patient-id, personnummer, fødselsdato, alder og køn.
- Tryk på knappen Gem for at registrere en ny patient. På dette tidspunkt kan proceduren sættes på pause og derefter genstartes senere.
2. Spørgeskema til patienter
BEMÆRK: Patienten udfylder spørgeskemaet på en smartenhed ved hjælp af en brugerdefineret app udviklet i et webværktøj (se Materialetabel). Hvis patienten er mindreårig, udfyldes spørgeskemaet af en forælder eller værge. Deres data er organiseret i tematiske blokke. Når svaret på hvert spørgsmål er afsluttet, præsenterer systemet det næste spørgsmål (figur 2).
- Åbn spørgeskemaapplikationen på en smartenhed.
- Udfyld cpr-nummeret for patienterne (figur 3).
- Udfyld den første besøgsdato; dags dato bruges som standard.
- Udfyld de oplysninger, der svarer til patienternes vægt, højde og alder.
- Udfyld de oplysninger, der svarer til adfærd såsom induceret opkastning, snackfrekvens og spisehastighed.
- Udfyld de oplysninger, der svarer til kognitive og følelsesmæssige ting som frygt for at gå i vægt og følelser af kropsdysmorfi.
- Tryk på knappen Udført for at afslutte spørgeskemaet. På dette tidspunkt kan spørgeskemaet sættes på pause og derefter genstartes senere.
3. Risikovurdering foretaget af klinikere
BEMÆRK: Risikovurderingen (figur 4) hentes og bruges af klinikeren ved hjælp af et brugerdefineret webværktøj (se Materialetabel).
- Naviger til websiden ved hjælp af en hvilken som helst webbrowser. Brug en eksisterende konto til at logge ind på webværktøjet.
- Søg efter patienten ved hjælp af patientens cpr-nummer eller patient-id.
- Tilføj målt vægt og højde til systemet.
- Tryk på fanen Resultat for at få den algoritmiske beslutning om, hvorvidt patienten har en ED, og i så fald hvilken type ED.
- Tryk på faneblad 1-20 eller spørgsmål 21-34 for at få vist de spørgsmål, hvor patienternes svar afviger fra raske personers svar.
- Vælg en endelig diagnose under fanen Resultat baseret på algoritmen og klinikerens ekspertise.
Representative Results
Patientregistreringen beskrevet i trin 1 udføres af en kliniker, der udfylder formularen i figur 1 i de edb-baserede journaler. Når klinikeren registrerer en ny patient, flytter applikationen til trin 2, som giver patienten mulighed for at udfylde spørgeskemaet. For at starte spørgeskemaet skal patienten eller klinikeren først indtaste patientens cpr-nummer (eller ID) i appen på en smartenhed (Figur 3), hvorefter appen viser det første spørgeskemaelement. Figur 2 viser et skærmbillede af ét element fra diagnosticeringsspørgeskemaet. Når der er valgt et svar på et spørgeskemaelement, flyttes programmet til næste element. Patienter kan ikke flytte tilbage for at ændre svaret på tidligere spørgsmål, og hvis spørgeskemaet afsluttes for tidligt, gemmes svarene stadig, og brugeren kan vende tilbage for at udfylde de manglende elementer. Når alle spørgsmål er besvaret, lukkes appen automatisk.
Når spørgeskemaet er udfyldt, er den risikovurderingsside, der præsenteres i figur 4 , tilgængelig for klinikeren via en webgrænseflade. Klinikere kan se den anbefalede diagnose på siden 'Resultat' sammen med den estimerede sandsynlighed for nøjagtighed fra 0-1 (dvs. et 100% interval) baseret på en automatisk beregning af risikofaktorer i spørgeskemaet. Ved at trykke på enten fanen 'Spørgsmål 1-20' eller 'Spørgsmål 21-34' kan klinikere se de sunde svar (farve turkis) og de afvigende svar (farve rød), der resulterede i den foreslåede diagnose (figur 5). Algoritmen (se Materialetabel) estimerer både sandsynligheden for at have en spiseforstyrrelse og konklusionen om, hvilken type spiseforstyrrelse den enkelte har. Nøjagtigheden af modellen er 97,1% for at have en ED og 82,8% for ED-diagnoser (tabel 2). Diagnosticeringsoplysningerne vises på en brugervenlig webbaseret grænseflade. Disse oplysninger giver klinikere tillid til deres beslutning, hvis den algoritmiske diagnose er enig med klinikerens egen evaluering. Hvis den algoritmiske diagnose ikke er enig i klinikerens vurdering, opfordres klinikeren til at søge en anden udtalelse fra andre sundhedspersoner. Systemet giver også klinikere mulighed for at træne sig selv til at blive bedre til at diagnosticere patienter ved at se de specifikke spørgsmål, der forventes at afvige fra en rask person i spørgsmålsfanerne og ved at gennemgå vanskelige sager med andre sundhedsprofessionelle.
Figur 1: En illustration af patientregistreringsformularen i webværktøjet.
Figur 2: Eksempel på et enkelt spørgeskema, der vises på en smart tablet.
Figur 3: Øjebliksbillede af siden, hvor der anmodes om det krævede cpr-nummer, inden du udfylder diagnosespørgeskemaet.
Figur 4: Eksempel på resultatside med anbefalet diagnose og estimeret nøjagtighed (i dette tilfælde 100%) som vist ved hjælp af webværktøjet. Resultatsiden viser også patientens dato, køn, alder og BMI. Øverst kan klinikere vælge en diagnose. Klik her for at se en større version af denne figur.
Figur 5: Spørgeskemabesvarelser og deres tilknytning til den foreslåede diagnose. Rød indikerer en høj forening, og blågrøn antyder en lav forening. Klik her for at se en større version af denne figur.
| Kvinde (n = 869) | Mand (n = 80) | I alt (n = 949) | |
| Alder | 21.0 (17.0 - 30.0) | 21.0 (15.0 - 33.5) | 21.0 (17.0 - 30.0) |
| Højde | 167.0 (162.0 - 170.0) | 176.5 (169.0 - 183.0) | 167.0 (162.0 - 171.0) |
| Vægt | 58.2 (50.0 - 75.0) | 71.5 (57.0 - 97.0) | 59.1 (50.0 - 76.5) |
| Bmi | 20.9 (17.8 - 26.7) | 21.3 (18.0 - 31.2) | 21 (17.9 - 27.1) |
Tabel 1: Demografiske data for de 949 patienter, der indgår i udviklingen af den diagnostiske algoritme. Værdier udtrykkes som median (nedre kvartil - øvre kvartil).
| Diagnose | Kliniker diagnose | Algoritme diagnose | Nøjagtighed (%) |
| En | 171 | 172 | 87.1 |
| BN | 180 | 181 | 82.2 |
| Seng | 128 | 138 | 81.3 |
| OSFED | 349 | 328 | 79.9 |
| Ob | 65 | 74 | 90.8 |
Tabel 2: Antal patienter i hver ED-kategori diagnosticeret af en uddannet kliniker og algoritmens beslutning og nøjagtighed.
Discussion
Tidlig og nøjagtig diagnose af spiseforstyrrelser er afgørende for at indlede passende behandling, forbedre behandlingsresultaterne og reducere dårlige sundhedsresultater1. For at bestemme en diagnose skal klinikere håndtere store mængder psykologisk og fysiologisk information, og en stor mængde data gør diagnosen til en tidskrævende opgave med stor risiko for fejldiagnose.
Det system, der er beskrevet her, fremskynder beslutningsprocessen ved at stille en automatisk spørgeskemabaseret diagnose. Derudover giver det klinikere mulighed for at se de specifikke reaktioner, der afviger fra de forventede reaktioner fra et sundt individ. Systemet blev udviklet med klinikernes behov i tankerne, hvorfor spørgeskemaet er simpelt nok til at blive udfyldt af patienten alene, hvilket yderligere reducerer den tid, som klinikere kræver, når de overvejer en diagnose. Af samme grund gemmes svar på input, hvilket sikrer, at processen til enhver tid kan sættes på pause. Computerforbindelsesproblemer og andre afbrydelser kræver ikke gentagelse af hele processen.
En begrænsning af protokollen er, at et diagnoseforslag ikke kan beregnes, medmindre alle spørgeskemaelementer er udfyldt. En anden begrænsning er, at medicinske målinger, såsom blodtryk og perifer temperatur, ikke er inkluderet i systemet, men skal evalueres af klinikere eller læger.
Der er flere digitale værktøjer til spiseforstyrrelsesdiagnoser, såsom semistrukturerede elektroniske interviews11, men der er i øjeblikket ingen diagnostiske algoritmer baseret på DSM-5 eller International Classification of Disease,11th Revision (ICD-11). Det primære problem med tilgængelige tilgange er, at de ikke giver en enkel måde for klinikere at modtage hjælp til diagnosen eller kommunikere, hvad der udgør usunde reaktioner. Det nuværende system er beregnet til brug både i primærplejen, af sundhedspersonale med ringe viden om spiseforstyrrelser og i specialklinikker til at diskutere mere komplekse tilfælde, der hjælper klinikere i beslutningsprocessen under diagnosticering af spiseforstyrrelser. Dette system resulterer i forbedret kvalitet af pleje, en reduktion af tid og kræfter fra klinikere og giver forbedret effektivitet for klinikeren i deres daglige praksis.
Den diagnostiske algoritme er i øjeblikket baseret på et spørgeskema og giver systemet mulighed for at lære klinikere at diagnosticere patienter bedre og konsultere andre sundhedspersonale i vanskelige tilfælde. Den fremtidige udvikling af systemet skal også omfatte medicinske data. Derudover kan algoritmens prognostiske evne forbedres ved at forfine spørgeskemaet og erstatte overflødige, ikke-informative emner med mere relevante. En langsgående tilgang skal også overvejes. Hvis patienten modtager passende behandling, er det vigtigt at følge deres helbredsprogression over tid. Mange punkter i spørgeskemaet er stadig gyldige for en opfølgende tilgang. Spørgeskemaet og algoritmen skal dog omformuleres for at skabe et indeks til måling af sundhedsprogression.
Disclosures
Det er hensigten, at der her er fuldstændig åbenhed med hensyn til finansielle ordninger. Brodin erklærer, at han ikke har nogen økonomiske interesser i forbindelse med denne undersøgelse. Vores forskning foregår på Karolinska Instituttet, hvor Södersten er professor emeritus. Forskningen er klinisk oversat af Mando Group AB, et selskab startet af Södersten og Bergh, der har 47,5% af aktierne hver. Professor Michael Leon fra University of California i Irvine har de resterende 5%. Mando Group AB indgår kontrakt med Region Stockholm hvert femte år om behandling af patienter med spiseforstyrrelser. Mando Group AB underskrev sin første kontrakt i 1997 med Region Stockholm, og siden da er behandlingen en af de standarder for pleje, der tilbydes borgerne i Stockholm. Mando Group AB vandt det seneste udbud, og der er nu MandometerKlinikker på fire hospitaler i Stockholm. Denne ordning er den samme, som når Region Stockholm indgår kontrakt med egne klinikker om behandling af patienter med alle former for sygdom, herunder spiseforstyrrelser. Det vil sige, at Region Stockholm leverer spiseforstyrrelser til borgerne i Stockholm både gennem sin egen klinik og gennem Mando Group AB. Al sundhedspleje i Sverige finansieres gennem skattesystemet; privat løn er ekstremt ualmindeligt. Det skal for det første tilføjes, at Mando Group AB overholder anbefalingen fra International Committee of Medical Journal Editors om »Forfatteransvar - interessekonflikter«, http://www.icmje.org/recommendations/browse/rolesand-responsibilities/. For det andet skal det også tilføjes, at alt overskud, som Mando Group AB har opnået, er blevet geninvesteret i forskning og udvikling, og der har ikke været udbytte til aktieejere. Alt det ovenstående er angivet i alle manuskriptindlæg, og hidtil har tidsskrifter fundet det nødvendigt kun at offentliggøre nogle af detaljerne. Det ser imidlertid ud til, at det potentielle etiske problem, når forskere oversætter deres forskningsresult
Acknowledgments
Dette arbejde blev finansieret af Region Stockholm.
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).
