Summary
स्वास्थ्य सेवा में खाने के विकारों का निदान करना चुनौतीपूर्ण है। इसलिए, वर्तमान प्रोटोकॉल एक प्रश्नावली के लिए 949 रोगी प्रतिक्रियाओं के आधार पर एक एल्गोरिथ्म विकसित करता है, जिसमें निदान एक आसान-से-उपयोग वेब-आधारित इंटरफ़ेस पर प्रदर्शित होता है। यह प्रणाली खाने के विकारों के सटीक निदान की सुविधा प्रदान करती है, जबकि उन लोगों को छोड़कर जिन्हें खाने का विकार माना जाता है।
Abstract
खाने के विकार (एनोरेक्सिया नर्वोसा, बुलिमिया नर्वोसा, द्वि घातुमान खाने के विकार, और अन्य निर्दिष्ट खाने या खिलाने के विकार) में 13% का संयुक्त प्रसार होता है और गंभीर शारीरिक और मनोवैज्ञानिक समस्याओं से जुड़ा होता है। प्रारंभिक निदान, जो प्रभावी उपचार और अवांछनीय दीर्घकालिक स्वास्थ्य परिणामों की रोकथाम के लिए महत्वपूर्ण है, इन रोगियों से अपरिचित गैर-विशेषज्ञ चिकित्सकों के बीच समस्याएं पैदा करता है, जैसे कि प्राथमिक देखभाल में काम करने वाले। प्रारंभिक, सटीक निदान, विशेष रूप से प्राथमिक देखभाल में, सकारात्मक उपचार परिणामों को सुविधाजनक बनाने के लिए विकार में विशेषज्ञ हस्तक्षेप की अनुमति देता है। कंप्यूटर-असिस्टेड डायग्नोस्टिक प्रक्रियाएं एक एल्गोरिथ्म के माध्यम से विशेषज्ञता प्रदान करके इस समस्या का संभावित समाधान प्रदान करती हैं जिसे बड़ी संख्या में मामलों से विकसित किया गया है जिन्हें विशेषज्ञ निदानविदों और विशेषज्ञ देखभाल करने वालों द्वारा व्यक्तिगत रूप से निदान किया गया है। इन आंकड़ों के आधार पर खाने के विकार से पीड़ित संदिग्ध रोगियों के लिए सटीक निदान निर्धारित करने के लिए एक वेब-आधारित प्रणाली विकसित की गई थी। प्रक्रिया को एक एल्गोरिथ्म का उपयोग करके स्वचालित किया जाता है जो प्रतिवादी के खाने के विकार होने की संभावना और व्यक्ति के खाने के विकार के प्रकार का अनुमान लगाता है। प्रणाली एक रिपोर्ट प्रदान करती है जो नैदानिक प्रक्रिया के दौरान चिकित्सकों के लिए सहायता के रूप में काम करती है और नए चिकित्सकों के लिए एक शैक्षिक उपकरण के रूप में कार्य करती है।
Introduction
परहेज़ और शारीरिक गतिविधि में एक संबद्ध वृद्धि एनोरेक्सिया नर्वोसा और अन्य खाने के विकारों के ज्ञात कारण हैं1. मानसिक विकारों (डीएसएम -5) के नैदानिक मैनुअल में उल्लिखित सबसे आम खाने के विकार एनोरेक्सिया नर्वोसा (एएन), बुलिमिया नर्वोसा (बीएन), द्वि घातुमान खाने के विकार (बीईडी), और अन्य निर्दिष्ट भोजन या खाने के विकार (ओएसएफईडी) 2 हैं। ये विकार मुख्य रूप से महिलाओं को प्रभावित करते हैं और गंभीर शारीरिक और / या मनोवैज्ञानिक स्वास्थ्य जटिलताओं और संकटके साथ होते हैं। लगभग 13% महिलाएं खाने के विकारों से पीड़ित हैं, और महिलाओं में एएन का प्रसार उनके पूरे जीवन में 0.3% -1% अनुमानित है, जिसमें बीएन5 से पीड़ित महिलाओं का प्रतिशत भी अधिक है।
जोखिम कारकों की एक भीड़ विशिष्ट खाने के विकारों से जुड़ी हुई है। प्रारंभिक किशोरावस्था और कम बॉडी मास इंडेक्स (बीएमआई) के दौरान परहेज़ करने से महिलाओं में एएन का खतरा बढ़ जाता है, लेकिन प्रारंभिक यौवन, पतली-आदर्श आंतरिककरण, शरीर असंतोष, नकारात्मक प्रभाव और सामाजिक समर्थन घाटे6 नहीं होते हैं। बीएन की शुरुआत की भविष्यवाणी करने वाले कारकों में वजन की चिंताएं, शरीर असंतोष, पतलेपन के लिए ड्राइव, अप्रभावीता, कम अंतःक्रियात्मक जागरूकता और परहेज़ हैं, लेकिन पूर्णतावाद, परिपक्वता भय, पारस्परिक अविश्वास या बीएमआई6 नहीं हैं। जबकि विभिन्न प्रकार के खाने के विकारों के बीच रोगसूचक अंतर हैं, जोखिम कारकों में समानता है। इससे पता चलता है कि सभी खाने के विकारों में पैथोलॉजी और दुर्भावनापूर्ण खाने के व्यवहार (परहेज़) सामान्य जोखिम कारक हैं।
दरअसल, खाने के विकारों में विकृति खाने में स्पष्ट है। हालांकि, पैथोलॉजिकल खाने के व्यवहार को परिभाषित करने और मापने की कठिनाई, इस तथ्य के साथ संयुक्त है कि निदान मुख्य रूप से लक्षण आयामों के व्यक्तिपरक विवरण पर निर्भर करता है, निदान के बीच की सीमाओं को अस्पष्ट7 प्रतीत हो सकता है। यह मुद्दा खाने के विकारों के निदान को मुश्किल बनाता है, खासकर स्वास्थ्य चिकित्सकों के लिए विकार रोगियों को खाने से अपरिचित, जैसे प्राथमिक देखभाल चिकित्सक।
प्राथमिक देखभाल में स्वास्थ्य पेशेवर अक्सर खाने के विकार से पीड़ित व्यक्तियों द्वारा संपर्क किए जाने वाले पहले व्यक्ति होते हैं। एक अनुकूल पूर्वानुमान के लिए प्रारंभिक पहचान और हस्तक्षेप के महत्व को देखते हुए, देखभाल प्रदाताओं के पास इन विकारों को पहचानने में मदद करने के लिए उपकरण होने चाहिए। इसलिए, विशेषज्ञों द्वारा उनके उपचार में देरी को रोकने के लिए निदान को जल्दी और सटीक रूप से निर्धारित किया जाना चाहिए।
इस नैदानिक लक्ष्य को प्राप्त करने का एक तरीका उनके लक्षणों के बारे में प्रश्नावली को डिजिटल और स्वचालित करना है। इस पद्धति का एक अतिरिक्त लाभ यह हो सकता है कि प्रतिक्रियाएं अधिक सच्ची हैं क्योंकि अध्ययनों से पता चलता है कि रोगी मानसिक स्वास्थ्य के मुद्दों पर चर्चा करने के लिए मानव चिकित्सकों की तुलना में आभासी चिकित्सकों पर अधिक भरोसा करते हैं8. एक अन्य संभावित लाभ नैदानिक विश्वसनीयता में वृद्धि हुई है, कुछ अध्ययनों से पता चलता है कि कंप्यूटर निदान मेंव्यक्तिगत निदान 9,10 की तुलना में अधिक विश्वसनीयता हो सकती है।
वर्तमान प्रोटोकॉल में, 949 लगातार संदर्भित रोगियों द्वारा शारीरिक स्थिति, व्यवहार, भावनाओं और विचारों पर ओपन-एंड और क्लोज्ड-एंड प्रश्नों की प्रतिक्रियाओं के आधार पर एक एल्गोरिथ्म विकसित किया गया है (जनसांख्यिकीय डेटा के लिए, तालिका 1 देखें)। 949 प्रतिभागियों में से, 91.6% (869) महिलाएं थीं, 18.0% में एएन, 19.0% बीएन, 13.5% बीईडी, 36.8% ओएसएफईडी, 6.8% मोटापा (ओबी), और 5.9% में कोई खाने का विकार नहीं था (कोई ईडी नहीं)। एल्गोरिथ्म खाने के विकार होने की संभावना और निष्कर्ष दोनों का अनुमान लगाता है कि व्यक्ति को किस प्रकार का खाने का विकार है। प्रश्नावली आइटम फीडिंग और ईटिंग डिसऑर्डर के लिए डीएसएम -5 मानदंडों और एएन, बीएन, बीईडी और ओएसएफईडी की नैदानिक विशेषताओं पर आधारित हैं। ओबी (अतिरिक्त शरीर वसा) मानसिक विकार के रूप में डीएसएम -5 में शामिल नहीं है। हालांकि, ओबी और बीईडी2 के बीच मजबूत संबंध हैं। प्रश्नावली वस्तुओं को तीन श्रेणियों में वर्गीकृत किया गया है: (1) बीएमआई, पिछले वर्ष के दौरान वजन घटाने / लाभ, और आत्म-प्रेरित उल्टी जैसी स्थितियां। (2) खाने के पैटर्न, परहेज़, खुद का वजन, आत्म-प्रेरित उल्टी, दोस्तों और परिवार से अलगाव और गतिविधियों से बचने सहित व्यवहार। (3) अनुभूति / विचार, जैसे वांछित वजन, नियंत्रण खोने से डरना, अतिरक्षण, भोजन के बारे में विचार, खुद को मोटा मानना जब दूसरों का कहना है कि आप बहुत पतले हैं, और वजन बढ़ाने की प्रतिक्रिया। एल्गोरिथ्म एक बिना शर्त भेदभावपूर्ण विश्लेषण पर आधारित है जो पांच निदानों में से प्रत्येक के लिए सबसे भेदभावपूर्ण वस्तुओं की पहचान करते हुए, चरणबद्ध रूप से वस्तुओं को वजन प्रदान करता है। नैदानिक जानकारी उपयोग में आसान वेब-आधारित इंटरफ़ेस पर प्रदर्शित होती है।
Protocol
प्रयोगात्मक विषयों और रोगियों पर सभी काम स्वीडिश नैतिक समीक्षा प्राधिकरण, स्वीडन (डी एनआर: 2019-05505) द्वारा अनुमोदित किए गए थे। सिस्टम में पंजीकरण से पहले, सभी व्यक्तियों ने अपने डेटा के भंडारण, हैंडलिंग और विश्लेषण के लिए लिखित सहमति प्रदान की। मरीजों को चिकित्सक के रेफरल या स्व-रेफरल द्वारा विकारों को खाने के लिए विशेष उपचार के लिए क्लिनिक में भेजा गया था। खाने के विकार से पीड़ित रोगियों के लिए समावेश मानदंड था।
1. चिकित्सकों द्वारा रोगी पंजीकरण
नोट: रोगी पंजीकरण (चित्रा 1) एक विकसित कस्टम वेब उपकरण का उपयोग कर एक चिकित्सक द्वारा पूरा किया जाता है ( सामग्री की तालिका देखें)।
- रोगी रेफरल पर किसी भी आधुनिक ब्राउज़र का उपयोग करके वेब लैंडिंग पृष्ठ पर नेविगेट करें।
- वेब टूल में लॉग इन करने के लिए किसी चिकित्सक से संबद्ध मौजूदा खाते का उपयोग करें।
- रोगी आईडी, सामाजिक सुरक्षा संख्या, जन्म तिथि, आयु और लिंग सहित रोगी पंजीकरण फॉर्म भरें।
- नए मरीज को रजिस्टर करने के लिए सेव बटन दबाएं। इस बिंदु पर, प्रक्रिया को रोका जा सकता है और फिर बाद में पुनरारंभ किया जा सकता है।
2. रोगियों के लिए प्रश्नावली
नोट: रोगी एक वेब टूल में विकसित कस्टम ऐप का उपयोग करके स्मार्ट डिवाइस पर प्रश्नावली भरता है (सामग्री की तालिका देखें)। यदि रोगी नाबालिग है, तो प्रश्नावली माता-पिता या अभिभावक द्वारा भरी जाती है। उनका डेटा विषयगत ब्लॉकों में व्यवस्थित किया जाता है। प्रत्येक प्रश्न का उत्तर पूरा होने के बाद, सिस्टम अगला प्रश्न (चित्रा 2) प्रस्तुत करता है।
- किसी स्मार्ट डिवाइस पर प्रश्नावली अनुप्रयोग खोलें।
- रोगियों के लिए सामाजिक सुरक्षा संख्या भरें (चित्रा 3)।
- पहली यात्रा की तारीख भरें; वर्तमान दिनांक डिफ़ॉल्ट रूप से उपयोग किया जाता है।
- रोगियों के वजन, ऊंचाई और उम्र के अनुरूप जानकारी भरें।
- प्रेरित उल्टी, स्नैक आवृत्ति और खाने की दर जैसे व्यवहार से संबंधित जानकारी भरें।
- संज्ञानात्मक और भावनात्मक वस्तुओं जैसे वजन बढ़ने का डर और शरीर डिस्मोर्फिया की भावनाओं के अनुरूप विवरण भरें।
- प्रश्नावली समाप्त करने के लिए हो गया बटन दबाएं। इस बिंदु पर, प्रश्नावली को रोका जा सकता है और फिर बाद में पुनरारंभ किया जा सकता है।
3. चिकित्सकों द्वारा जोखिम मूल्यांकन
नोट: जोखिम मूल्यांकन (चित्रा 4) पुनर्प्राप्त किया जाता है और एक कस्टम वेब उपकरण का उपयोग कर चिकित्सक द्वारा उपयोग किया जाता है (सामग्री की तालिका देखें)।
- किसी भी वेब ब्राउज़र का उपयोग करके वेब लैंडिंग पृष्ठ पर नेविगेट करें। वेब उपकरण में लॉग इन करने के लिए किसी मौजूदा खाते का उपयोग करें।
- रोगी के सामाजिक सुरक्षा नंबर या रोगी आईडी का उपयोग करके रोगी की खोज करें।
- सिस्टम में मापा वजन और ऊंचाई जोड़ें।
- रोगी के पास ईडी है या नहीं और यदि हां, तो किस प्रकार का ईडी है, इसका एल्गोरिदमिक निर्णय लेने के लिए परिणाम टैब दबाएं।
- टैब प्रश्न 1-20, या प्रश्न 21-34 दबाएं, उन प्रश्नों को प्रदर्शित करने के लिए जहां रोगियों की प्रतिक्रियाएं स्वस्थ व्यक्तियों द्वारा उत्तरों से विचलित होती हैं।
- एल्गोरिथ्म और चिकित्सक की विशेषज्ञता के आधार पर परिणाम टैब के तहत अंतिम निदान का चयन करें।
Representative Results
चरण 1 में वर्णित रोगी पंजीकरण कम्प्यूटरीकृत मेडिकल रिकॉर्ड में चित्रा 1 में प्रस्तुत फॉर्म को पूरा करने वाले चिकित्सक द्वारा किया जाता है। एक बार जब चिकित्सक एक नए रोगी को पंजीकृत करता है, तो आवेदन चरण 2 पर जाता है, जो रोगी को प्रश्नावली को पूरा करने की अनुमति देता है। प्रश्नावली शुरू करने के लिए, रोगी या चिकित्सक को पहले स्मार्ट डिवाइस (चित्रा 3) पर ऐप में रोगी की सामाजिक सुरक्षा संख्या (या आईडी) इनपुट करने की आवश्यकता होती है, जिसके बाद ऐप पहला प्रश्नावली आइटम प्रदर्शित करता है। चित्रा 2 नैदानिक प्रश्नावली से एक आइटम का स्क्रीनशॉट दिखाता है। एक बार प्रश्नावली आइटम के लिए एक प्रतिक्रिया का चयन हो जाने के बाद, एप्लिकेशन अगले आइटम पर चला जाता है। रोगी पिछले प्रश्नों की प्रतिक्रिया को बदलने के लिए वापस नहीं जा सकते हैं, और यदि प्रश्नावली समय से पहले समाप्त हो जाती है, तो प्रतिक्रियाएं अभी भी सहेजी जाती हैं, और उपयोगकर्ता लापता वस्तुओं को भरने के लिए वापस आ सकता है। एक बार जब सभी सवालों के जवाब दिए जाते हैं, तो ऐप स्वचालित रूप से बंद हो जाता है।
प्रश्नावली पूरी होने के बाद, चित्रा 4 में प्रस्तुत जोखिम मूल्यांकन पृष्ठ एक वेब इंटरफ़ेस के माध्यम से चिकित्सक के लिए उपलब्ध है। चिकित्सक प्रश्नावली के जोखिम कारकों की स्वचालित गणना के आधार पर 0-1 (यानी, 100% रेंज) से सटीकता की अनुमानित संभावना के साथ'परिणाम' पृष्ठ पर अनुशंसित निदान देख सकते हैं। या तो टैब 'प्रश्न 1-20' या 'प्रश्न 21-34' दबाकर, चिकित्सक स्वस्थ प्रतिक्रियाओं (रंग फ़िरोज़ा) और विचलित प्रतिक्रियाओं (रंग लाल) को देख सकते हैं जिसके परिणामस्वरूप सुझाए गए निदान (चित्रा 5) होते हैं। एल्गोरिथ्म ( सामग्री की तालिका देखें) खाने के विकार होने की संभावना और निष्कर्ष दोनों का अनुमान लगाता है कि व्यक्ति को किस प्रकार का खाने का विकार है। मॉडल की सटीकता ईडी होने के लिए 97.1% और ईडी निदान के लिए 82.8% है (तालिका 2)। नैदानिक जानकारी उपयोग में आसान वेब-आधारित इंटरफ़ेस पर प्रदर्शित होती है। यह जानकारी चिकित्सकों को उनके निर्णय में विश्वास प्रदान करती है यदि एल्गोरिदमिक निदान चिकित्सक के स्वयं के मूल्यांकन से सहमत है। यदि एल्गोरिदमिक निदान चिकित्सक के मूल्यांकन से सहमत नहीं है, तो चिकित्सक को अन्य स्वास्थ्य पेशेवरों से दूसरी राय लेने के लिए प्रोत्साहित किया जाता है। प्रणाली चिकित्सकों को प्रश्न टैब में एक स्वस्थ व्यक्ति से विचलित होने की उम्मीद वाले विशिष्ट प्रश्नों को देखकर और अन्य स्वास्थ्य पेशेवरों के साथ कठिन मामलों की समीक्षा करके रोगियों के निदान में बेहतर बनने के लिए खुद को प्रशिक्षित करने की अनुमति देती है।
चित्र 1: वेब टूल में रोगी पंजीकरण फॉर्म का एक चित्रण। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।
चित्र 2: स्मार्ट टैबलेट पर प्रदर्शित एकल प्रश्नावली आइटम का नमूना। कृपया इस आकृति का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।
चित्र 3: निदान प्रश्नावली को पूरा करने से पहले आवश्यक सामाजिक सुरक्षा संख्या मांगने वाले पृष्ठ का स्नैपशॉट। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।
चित्रा 4: अनुशंसित निदान और अनुमानित सटीकता (इस मामले में 100%) के साथ परिणाम पृष्ठ का उदाहरण जैसा कि वेब टूल का उपयोग करके प्रदर्शित किया गया है। परिणाम पृष्ठ रोगी की तारीख, लिंग, आयु और बीएमआई भी दिखाता है। शीर्ष पर, चिकित्सक निदान का चयन कर सकते हैं। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।
चित्रा 5: प्रश्नावली प्रतिक्रियाएं और सुझाए गए निदान के साथ उनका जुड़ाव। लाल एक उच्च संघ को इंगित करता है, और चैती एक कम संघ का सुझाव देता है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।
| महिला (n = 869) | नर (n = 80) | कुल (n = 949) | |
| उम्र | 21.0 (17.0 - 30.0) | 21.0 (15.0 - 33.5) | 21.0 (17.0 - 30.0) |
| ऊँचाई | 167.0 (162.0 - 170.0) | 176.5 (169.0 - 183.0) | 167.0 (162.0 - 171.0) |
| वजन | 58.2 (50.0 - 75.0) | 71.5 (57.0 - 97.0) | 59.1 (50.0 - 76.5) |
| बीएमआई | 20.9 (17.8 - 26.7) | 21.3 (18.0 - 31.2) | 21 (17.9 - 27.1) |
तालिका 1: नैदानिक एल्गोरिथ्म विकास के लिए शामिल 949 रोगियों का जनसांख्यिकीय डेटा। मानों को माध्यिका (निचले चतुर्थक - ऊपरी चतुर्थक) के रूप में व्यक्त किया जाता है।
| निदान | चिकित्सकीय निदान | एल्गोरिथ्म निदान | सटीकता (%) |
| एक | 171 | 172 | 87.1 |
| बीएन | 180 | 181 | 82.2 |
| बिस्तर | 128 | 138 | 81.3 |
| ओएसएफएड | 349 | 328 | 79.9 |
| ओबी | 65 | 74 | 90.8 |
तालिका 2: एक प्रशिक्षित चिकित्सक द्वारा निदान प्रत्येक ईडी श्रेणी में रोगियों की संख्या और एल्गोरिथ्म का निर्णय और सटीकता।
Discussion
खाने के विकारों का प्रारंभिक और सटीक निदान उचित उपचार शुरू करने, उपचार के परिणामों में सुधार करने और खराब स्वास्थ्य परिणामों को कम करने के लिए महत्वपूर्ण है1. निदान निर्धारित करने के लिए, चिकित्सकों को बड़ी मात्रा में मनोवैज्ञानिक और शारीरिक जानकारी को संभालना चाहिए, और बड़ी मात्रा में डेटा निदान को गलत निदान के उच्च जोखिम के साथ एक समय लेने वाला कार्य बनाता है।
यहां वर्णित प्रणाली एक स्वचालित प्रश्नावली-आधारित निदान प्रदान करके निर्णय लेने की प्रक्रिया को गति देती है। इसके अलावा, यह चिकित्सकों को उन विशिष्ट प्रतिक्रियाओं को देखने की अनुमति देता है जो एक स्वस्थ व्यक्ति की अपेक्षित प्रतिक्रियाओं से विचलित होते हैं। प्रणाली को चिकित्सकों की जरूरतों को ध्यान में रखते हुए विकसित किया गया था, यही कारण है कि प्रश्नावली अकेले रोगी द्वारा भरने के लिए काफी सरल है, निदान पर विचार करते समय चिकित्सकों द्वारा आवश्यक समय को और कम कर देती है। उसी कारण से, प्रतिक्रियाएं इनपुट पर सहेजी जाती हैं, यह सुनिश्चित करते हुए कि प्रक्रिया को किसी भी समय रोका जा सकता है। कंप्यूटर कनेक्शन समस्याओं और अन्य रुकावटों को पूरी प्रक्रिया को दोहराने की आवश्यकता नहीं है।
प्रोटोकॉल की एक सीमा यह है कि निदान सुझाव की गणना तब तक नहीं की जा सकती जब तक कि सभी प्रश्नावली आइटम भरे न हों। एक और सीमा यह है कि चिकित्सा माप, जैसे रक्तचाप और परिधीय तापमान, सिस्टम में शामिल नहीं हैं, लेकिन चिकित्सकों या चिकित्सा डॉक्टरों द्वारा मूल्यांकन किया जाना चाहिए।
विकार निदान खाने के लिए कई डिजिटल उपकरण हैं, जैसे अर्ध-संरचित इलेक्ट्रॉनिक साक्षात्कार11, लेकिन वर्तमान में डीएसएम -5 या रोग के अंतर्राष्ट्रीय वर्गीकरण, 11वें संशोधन (आईसीडी -11) के आधार पर कोई नैदानिक एल्गोरिदम नहीं है। उपलब्ध दृष्टिकोणों के साथ प्राथमिक समस्या यह है कि वे चिकित्सकों को निदान में सहायता प्राप्त करने या अस्वास्थ्यकर प्रतिक्रियाओं का गठन करने के लिए एक सरल तरीका प्रदान नहीं करते हैं। वर्तमान प्रणाली प्राथमिक देखभाल में उपयोग के लिए है, खाने के विकारों के कम ज्ञान वाले स्वास्थ्य पेशेवरों द्वारा, और अधिक जटिल मामलों पर चर्चा करने के लिए विशेषज्ञ क्लीनिकों में, खाने के विकारों के निदान के दौरान निर्णय लेने की प्रक्रिया में चिकित्सकों की सहायता करना। इस प्रणाली के परिणामस्वरूप देखभाल की गुणवत्ता में सुधार होता है, चिकित्सकों द्वारा समय और प्रयास में कमी आती है, और चिकित्सक को उनके दैनिक अभ्यास में बेहतर दक्षता प्रदान करता है।
नैदानिक एल्गोरिथ्म वर्तमान में एक प्रश्नावली पर आधारित है और सिस्टम को चिकित्सकों को रोगियों का बेहतर निदान करने और कठिन मामलों में अन्य स्वास्थ्य पेशेवरों से परामर्श करने की अनुमति देता है। सिस्टम के भविष्य के विकास में चिकित्सा डेटा भी शामिल होना चाहिए। इसके अलावा, प्रश्नावली को परिष्कृत करके, अनावश्यक, गैर-सूचनात्मक वस्तुओं को अधिक प्रासंगिक लोगों के साथ बदलकर एल्गोरिथ्म की पूर्वानुमान क्षमता में सुधार किया जा सकता है। एक अनुदैर्ध्य दृष्टिकोण पर भी विचार करने की आवश्यकता है। यदि रोगी उचित उपचार प्राप्त करता है, तो समय के साथ उनके स्वास्थ्य की प्रगति का पालन करना आवश्यक है। प्रश्नावली में कई आइटम अभी भी अनुवर्ती दृष्टिकोण के लिए मान्य हैं। हालांकि, स्वास्थ्य प्रगति को मापने के लिए एक सूचकांक बनाने के लिए प्रश्नावली और एल्गोरिथ्म को फिर से तैयार करने की आवश्यकता है।
Disclosures
वित्तीय व्यवस्थाओं के संबंध में पूर्ण खुलेपन का इरादा यहाँ है। ब्रोडिन ने घोषणा की कि उनके पास इस अध्ययन से संबंधित कोई वित्तीय हित नहीं है। हमारा शोध कैरोलिंस्का इंस्टीट्यूट में किया जाता है, जहां सोडरस्टेन प्रोफेसर एमेरिटस हैं। शोध का नैदानिक रूप से अनुवाद किया गया है मंडो ग्रुप एबी, सोडरस्टेन और बर्ग द्वारा शुरू की गई एक कंपनी, जिनके पास प्रत्येक स्टॉक का 47.5% है। इरविन में कैलिफोर्निया विश्वविद्यालय के प्रोफेसर माइकल लियोन के पास शेष 5% है। मंडो ग्रुप एबी खाने के विकारों वाले रोगियों के इलाज के लिए हर पांचवें वर्ष क्षेत्र स्टॉकहोम के साथ अनुबंध करता है। मांडो ग्रुप एबी ने 1997 में रीजन स्टॉकहोम के साथ अपने पहले अनुबंध पर हस्ताक्षर किए और तब से, इसका उपचार स्टॉकहोम के नागरिकों को दी जाने वाली देखभाल के मानकों में से एक है। मांडो ग्रुप एबी ने नवीनतम निविदा जीती और अब स्टॉकहोम के चार अस्पतालों में मैंडोमीटर क्लीनिक हैं। यह व्यवस्था वही है जब क्षेत्र स्टॉकहोम खाने के विकारों सहित सभी प्रकार की बीमारी वाले रोगियों के इलाज के लिए अपने स्वयं के क्लीनिकों के साथ अनुबंध करता है। यही कहना है, क्षेत्र स्टॉकहोम स्टॉकहोम के नागरिकों को अपने स्वयं के क्लिनिक के माध्यम से और मांडो ग्रुप एबी के माध्यम से खाने की विकार सेवाएं प्रदान करता है। स्वीडन में सभी स्वास्थ्य सेवा कर प्रणाली के माध्यम से वित्त पोषित है; निजी वेतन बेहद असामान्य है। यह जोड़ा जाना चाहिए, सबसे पहले, कि मांडो ग्रुप एबी 'लेखक जिम्मेदारियों-हितों के टकराव' पर मेडिकल जर्नल संपादकों की अंतर्राष्ट्रीय समिति की सिफारिश के अनुपालन में है, http://www.icmje.org/recommendations/browse/rolesand-responsibilities/। दूसरा, यह भी जोड़ा जाना चाहिए कि मांडो समूह एबी ने जो भी लाभ कमाया है, उसे अनुसंधान और विकास में पुनर्निवेश किया गया है और स्टॉक मालिकों को कोई लाभांश नहीं मिला है। उपरोक्त सभी को सभी पांडुलिपि प्रस्तुतियों में घोषित किया गया है और इस प्रकार अब तक, पत्रिकाओं ने केवल कुछ विवरण प्रकाशित करना आवश्यक माना है। हालांकि, ऐसा लगता है कि संभावित नैतिक समस्या जब वैज्ञानिक किसी कंपनी में क्लिनिक में अपने शोध निष्कर्षों का अनुवाद करते हैं, तो इसके विपरीत नहीं होता है जब कोई भी वैज्ञानिक, अकादमिक
Acknowledgments
इस काम को रीजन स्टॉकहोम द्वारा वित्त पोषित किया गया था।
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).
