Une plate-forme informatique pour aider les cliniciens dans l’analyse et le diagnostic des troubles de l’alimentation
10 mai 2022
Le diagnostic des troubles de l’alimentation dans les soins de santé est difficile. Par conséquent, le présent protocole développe un algorithme basé sur 949 réponses de patients à un questionnaire, avec le diagnostic affiché sur une interface Web facile à utiliser. Ce système facilite le diagnostic précis des troubles de l’alimentation tout en excluant ceux que l’on croit avoir un trouble de l’alimentation.
Le système décide si un patient remplit les critères diagnostiques d’un trouble de l’alimentation et quel type de trouble de l’alimentation tel que l’anorexie mentale, la boulimie ou le trouble de l’hyperphagie boulimique. Ainsi, les patients ont tendance à être plus honnêtes lorsqu’ils répondent à un ordinateur qu’à une personne physique. Et, bien sûr, le système fait gagner du temps au clinicien.
Le but de la méthode est d’améliorer la fiabilité du diagnostic des troubles de l’alimentation, d’aider les cliniciens à sélectionner ceux qui souffrent d’un trouble de l’alimentation et d’orienter ceux qui ne remplissent pas les critères des troubles de l’alimentation vers d’autres traitements ou aucun traitement. Alkioni Glibi, assistant de recherche à notre laboratoire, fera la démonstration des procédures. Sur recommandation du patient, accédez à la page de destination Web à l’aide de n’importe quel navigateur moderne.
Utilisez un compte existant associé à un clinicien pour vous connecter à l’outil Web. Remplissez le formulaire d’inscription du patient, y compris l’id du patient, la date de naissance, l’âge et le sexe, le numéro de sécurité sociale. Appuyez sur le bouton Enregistrer pour enregistrer un nouveau patient.
Ouvrez l’application de questionnaire sur un appareil intelligent. Remplissez le numéro de sécurité sociale et la date de première visite du patient. La date actuelle est utilisée par défaut.
Remplissez ensuite les informations correspondant au poids, à la taille et à l’âge du patient. Ensuite, remplissez les informations correspondant au comportement telles que les vomissements induits, la fréquence des collations et le taux de consommation, suivies de détails correspondant à des éléments cognitifs et émotionnels, tels que la peur de prendre du poids et les sentiments de dysmorphie corporelle. Appuyez sur le bouton Terminé pour terminer le questionnaire.
Accédez à la page de destination Web à l’aide de n’importe quel navigateur Web. Utilisez un compte existant pour vous connecter à l’outil Web. Recherchez le patient à l’aide du numéro de sécurité sociale ou de l’identifiant du patient.Ajoutez le poids et la taille mesurés au système.
Appuyez sur l’onglet Résultat pour obtenir la décision algorithmique de savoir si le patient a un trouble de l’alimentation ou un service d’urgence et quel type de dysfonction érectile. Appuyez ensuite sur l’onglet questions un à 20 ou questions 21 à 34 pour afficher les questions où les réponses des patients s’écartent des réponses des personnes en bonne santé. Sélectionnez un diagnostic final sous l’onglet Résultat, en fonction de l’algorithme et de l’expertise du clinicien. Un exemple de page d’évaluation des risques pour le diagnostic recommandé et la probabilité estimée de précision de zéro à un est présenté ici.
À partir du diagnostic recommandé et des réponses au questionnaire, des réponses saines et divergentes ont été générées. L’algorithme estimant la probabilité de différents types de troubles de l’alimentation pour l’individu est démontré ici. La précision du modèle a été déterminée à 97,1 pour le diagnostic de dysfonction érectile et de 82,8 pour le diagnostic de dysfonction érectile.
Un autre avantage du système est qu’il fournit les réponses responsables du diagnostic suggéré, ce qui permet au système d’apprendre aux cliniciens à mieux diagnostiquer les patients et à consulter d’autres professionnels de la santé dans les cas difficiles.
Aperçu
Cet article présente un algorithme basé sur le web conçu pour améliorer le diagnostic des troubles alimentaires en analysant les réponses des patients à un questionnaire. Le système augmente la précision du diagnostic tout en permettant aux cliniciens d'évaluer efficacement les patients.
Composantes clés de l'étude
Domaine scientifique
- Psychologie clinique
- Technologie de la santé
- Diagnostic des troubles alimentaires
Contexte
- Le diagnostic des troubles alimentaires est souvent difficile pour les professionnels de la santé.
- Les méthodes traditionnelles peuvent entraîner des diagnostics erronés ou des sous-diagnostics.
- L'utilisation de la technologie peut améliorer la sincérité des patients et simplifier le processus de diagnostic.
- L'algorithme est fondé sur des données patient étendues afin d'améliorer sa fiabilité.
Objectif de l'étude
- Développer un outil diagnostique fiable pour les troubles alimentaires.
- Aider les cliniciens à identifier les patients qui répondent aux critères des troubles alimentaires.
- Fournir une interface conviviale à l’intention des cliniciens et des patients.
Méthodes utilisées
- Questionnaire en ligne pour les réponses des patients.
- Analyse algorithmique des réponses afin de déterminer le diagnostic.
- Intégration des données des patients telles que le poids, la taille et les habitudes comportementales.
- Contribution du clinicien pour le diagnostic final basé sur les résultats de l'algorithme.
Résultats principaux
- L'algorithme a atteint une précision diagnostique de 97,1 % pour les troubles alimentaires.
- Il a fourni des informations sur les réponses des patients qui s'écartaient des normes saines.
- Les cliniciens ont reçu des recommandations fondées sur les évaluations algorithmiques.
- Le système aide à enseigner aux cliniciens de meilleures pratiques diagnostiques.
Conclusions
- L'outil en ligne améliore considérablement la fiabilité des diagnostics des troubles alimentaires.
- Il permet une meilleure gestion des patients et des processus de référence.
- Le système peut renforcer la formation des cliniciens et leur prise de décision.
Questions fréquemment posées
Pertinence professionnelle pour l'industrie
Les plateformes diagnostiques fondées sur des algorithmes pour les troubles comportementaux complexes répondent à un besoin critique en matière de détection précoce et précise, notamment dans les milieux de soins primaires qui manquent d'expertise spécialisée. En standardisant les critères diagnostiques et en quantifiant les estimations de probabilité, ces systèmes renforcent la confiance prédictive et simplifient le triage des patients. Cette approche favorise une prise de décision reproductible et évolutive dans divers environnements cliniques, ayant un impact direct sur la gestion des risques au niveau du portefeuille dans la recherche et le développement en santé numérique et en médecine comportementale.
Applications stratégiques en recherche et développement biopharmaceutique
Début de la découverte et validation de la cible
- Permet l'interrogation systématique des critères diagnostiques des troubles comportementaux à l'aide de jeux de données annotés par des experts à grande échelle.
- Prend en charge la détection biologique et comportementale des risques en quantifiant la probabilité diagnostique et en mettant en évidence les écarts de réponse.
- Facilite la confiance prédictive dans les stratégies de stratification des patients et d'intervention précoce.
Développement de criblages et de tests
- Prépare des systèmes numériques de phénotypage validés pour des flux de travail cliniques et translationnels en aval.
- Standardise la collecte de données et l'évaluation algorithmique afin d'obtenir des résultats reproductibles et quantitatifs.
- Permet un dépistage à grande échelle des populations à risque, avec des seuils diagnostiques constants.
Recherche translationnelle et préclinique
- Assure l'alignement des résultats diagnostiques numériques avec les critères cliniques pour une continuité translationnelle.
- Permet la progression ajustée au risque des biomarqueurs numériques et des critères d'évaluation comportementaux.
- Assure une détection mécanistique des risques en reliant les réponses aux questionnaires aux résultats diagnostiques.
Intégration du pipeline et du flux de travail
Cette plateforme informatique de diagnostic s'intègre à la continuité entre la découverte précoce et la traduction clinique, en soutenant la vérification d'hypothèses, la validation de biomarqueurs numériques et la stratification des patients à grande échelle.
- Biologie de la découverte : Quantifie la probabilité diagnostique et identifie les écarts de réponse clés pour un affinement fondé sur des hypothèses.
- Dépistage : Fournit des résultats reproductibles basés sur des algorithmes pour l'évaluation de patients à haut débit.
- Analytique : Fournit des mesures quantitatives et des métriques de précision statistique afin d'informer les comparaisons entre différentes affections.
- Recherche translationnelle : Établit un lien entre les données diagnostiques numériques et la prise de décision clinique ainsi que les parcours de référence.
- Réutilisation institutionnelle : Offre une infrastructure réutilisable, basée sur le web, adaptable à d'autres indications comportementales ou psychiatriques.
Impact opérationnel et organisationnel
- Valeur scientifique : Accroît la confiance prédictive et réduit l'ambiguïté diagnostique en santé comportementale.
- Valeur opérationnelle : Standardise et automatise les flux de travail diagnostiques afin d'assurer leur évolutivité et leur reproductibilité.
- Valeur stratégique : Permet des décisions plus précoces de type « aller/ne pas aller » fondées sur des données et optimise l'allocation des ressources.
- Impact sur le portefeuille : Soutient la priorisation ajustée au risque des actifs de santé numérique et des algorithmes diagnostiques.
Considérations relatives à la mise en œuvre
- Nécessite une expertise clinique pour le diagnostic final et l'interprétation des résultats algorithmiques.
- Requiert une infrastructure numérique sécurisée pour la collecte et l'analyse des données des patients.
- Exige une standardisation interéquipes des protocoles de saisie des données et d'interprétation.
- Adaptable à divers contextes cliniques, mais peut nécessiter une adaptation locale pour différentes populations.
- Dépend de la qualité et de la représentativité des ensembles de données d'entraînement pour la précision algorithmique.
