Name: Una piattaforma basata su computer per aiutare i medici nellanalisi e nella diagnosi dei disturbi alimentari (Video) | JoVE Journal
Uploaded: 2022-05-10T16:00:00.000+00:00
Duration: 4 min 19 s
Description: Scopri un algoritmo web per diagnosticare i disturbi alimentari con un'accuratezza del 97,1%. Questo strumento assiste i clinici nell'analisi delle risposte dei pazienti e migliora l'affidabilità diagnostica.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Questo lavoro è stato finanziato dalla regione di Stoccolma.

Tutto il lavoro su soggetti sperimentali e pazienti è stato approvato dall'Autorità svedese di revisione etica, Svezia (D. nr: 2019-05505). Prima della registrazione nel sistema, tutti gli individui hanno fornito il consenso scritto all'archiviazione, alla gestione e all'analisi dei propri dati. I pazienti sono stati indirizzati alla clinica per un trattamento specializzato per i disturbi alimentari sia per riferimento del medico che per auto-riferimento. Soffrire di un disturbo alimentare era il criterio di inclusione per i pazienti.
1. Registrazione del paziente da parte dei medici
NOTA: la registrazione del paziente (Figura 1) viene completata da un medico utilizzando uno strumento web personalizzato sviluppato (vedere Tabella dei materiali).
<ol><li>Passare alla pagina di destinazione Web utilizzando qualsiasi browser moderno al momento del rinvio del paziente.</li>
	<li>Utilizzare un account esistente associato a un medico per accedere allo strumento Web.</li>
	<li>Compila il modulo di registrazione del paziente, inclusi ID paziente, numero di previdenza sociale, data di nascita, età e sesso.</li>
	<li>Premere il pulsante Salva per registrare un nuovo paziente. A questo punto, la procedura può essere messa in pausa e quindi riavviata in un secondo momento.</li>
</ol>2. Questionario per i pazienti
NOTA: Il paziente compila il questionario su un dispositivo intelligente utilizzando un'app personalizzata sviluppata in uno strumento web (vedere Tabella dei materiali). Se il paziente è minorenne, il questionario viene compilato da un genitore o tutore. I loro dati sono organizzati in blocchi tematici. Dopo aver completato la risposta a ciascuna domanda, il sistema presenta la domanda successiva (Figura 2).
<ol><li>Aprire l'applicazione del questionario su uno smart device.</li>
	<li>Inserire il numero di previdenza sociale per i pazienti (Figura 3).</li>
	<li>Inserisci la data della prima visita; la data corrente viene utilizzata per impostazione predefinita.</li>
	<li>Inserisci le informazioni corrispondenti al peso, all'altezza e all'età dei pazienti.</li>
	<li>Inserisci le informazioni corrispondenti al comportamento come vomito indotto, frequenza degli spuntini e tasso di consumo.</li>
	<li>Compila i dettagli corrispondenti a elementi cognitivi ed emotivi come la paura di ingrassare e le sensazioni di dismorfia corporea.</li>
	<li>Premere il pulsante Fine per completare il questionario. A questo punto, il questionario può essere messo in pausa e quindi riavviato in un secondo momento.</li>
</ol>3. Valutazione del rischio da parte dei medici
NOTA: La valutazione del rischio (Figura 4) viene recuperata e utilizzata dal medico utilizzando uno strumento web personalizzato (vedere Tabella dei materiali).
<ol><li>Passare alla pagina di destinazione Web utilizzando qualsiasi browser Web. Utilizzare un account esistente per accedere allo strumento Web.</li>
	<li>Cerca il paziente utilizzando il numero di previdenza sociale del paziente o l'ID paziente.</li>
	<li>Aggiungere peso e altezza misurati al sistema.</li>
	<li>Premere la scheda Risultato per ottenere la decisione algoritmica se il paziente ha una disfunzione erettile e, in caso affermativo, quale tipo di disfunzione erettile.</li>
	<li>Premere la scheda Domande 1-20 o Domande 21-34 per visualizzare le domande in cui le risposte dei pazienti si discostano dalle risposte di individui sani.</li>
	<li>Seleziona una diagnosi finale nella scheda Risultato , in base all'algoritmo e all'esperienza del clinico.</li>
</ol>

<ol><li>Treasure, J., Duarte, T. A., Schmidt, U. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Eating+disorders%5BTitle%5D)+AND+%22Lancet%22%5BJournal%5D)">Eating disorders.</a> Lancet. 395 (10227), London, England. 899-911 (2020).</li>
<li>American Psychiatric Association. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22Diagnostic+and+Statistical+Manual+of+Mental+Disorders%2C+5th+Edition%22">Diagnostic and Statistical Manual of Mental Disorders, 5th Edition</a>. , American Psychiatric Publishing. Washington, DC. DSM-5 (2013).</li>
<li>Smink, F. R. E., van Hoeken, D., Hoek, H. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Epidemiology+of+eating+disorders%3A+incidence%2C+prevalence+and+mortality+rates%5BTitle%5D)+AND+%22Current+Psychiatry+Reports%22%5BJournal%5D)">Epidemiology of eating disorders: incidence, prevalence and mortality rates.</a> Current Psychiatry Reports. 14 (4), 406-414 (2012).</li>
<li>Allen, K. L., Byrne, S. M., Oddy, W. H., Crosby, R. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((DSM-IV-TR+and+DSM-5+eating+disorders+in+adolescents%3A+prevalence%2C+stability%2C+and+psychosocial+correlates+in+a+population-based+sample+of+male+and+female+adolescents%5BTitle%5D)+AND+%22Journal+of+Abnormal+Psychology%22%5BJournal%5D)">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.</a> Journal of Abnormal Psychology. 122 (3), 720-732 (2013).</li>
<li>Preti, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+epidemiology+of+eating+disorders+in+six+European+countries%3A+results+of+the+ESEMeD-WMH+project%5BTitle%5D)+AND+%22Journal+of+Psychiatric+Research%22%5BJournal%5D)">The epidemiology of eating disorders in six European countries: results of the ESEMeD-WMH project.</a> Journal of Psychiatric Research. 43 (14), 1125-1132 (2009).</li>
<li>Stice, E., Gau, J. M., Rohde, P., Shaw, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Risk+factors+that+predict+future+onset+of+each+DSM-5+eating+disorder%3A+predictive+specificity+in+high-risk+adolescent+females%5BTitle%5D)+AND+%22Journal+of+Abnormal+Psychology%22%5BJournal%5D)">Risk factors that predict future onset of each DSM-5 eating disorder: predictive specificity in high-risk adolescent females.</a> Journal of Abnormal Psychology. 126 (1), 38-51 (2017).</li>
<li>Södersten, P., Brodin, U., Zandian, M., Bergh, C. E. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Verifying+Feighner%27s+hypothesis%3B+anorexia+nervosa+is+not+a+psychiatric+disorder%5BTitle%5D)+AND+%22Frontiers+in+Psychology%22%5BJournal%5D)">Verifying Feighner's hypothesis; anorexia nervosa is not a psychiatric disorder.</a> Frontiers in Psychology. 10, 2110(2019).</li>
<li>Lucas, G. M., Gratch, J., King, A., Morency, L. -P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((It%27s+only+a+computer%3A+Virtual+humans+increase+willingness+to+disclose%5BTitle%5D)+AND+%22Computers+in+Human+Behavior%22%5BJournal%5D)">It's only a computer: Virtual humans increase willingness to disclose.</a> Computers in Human Behavior. 37, 94-100 (2014).</li>
<li>Hendler, N., Spurgeon, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comparison+of+Clinical+Diagnoses+Versus+Computerized+Test+Diagnoses+using+the+Maryland+Clinical+Diagnostics+Diagnostic+Paradigm+%28Expert+System%29+for+Diagnosing+Chronic+Pain+in+the+Neck%2C+Back+and+Limbs%5BTitle%5D)+AND+%22Journal+of+Anesthesia+and+Critical+Care%3A+Open+Access%22%5BJournal%5D)">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.</a> Journal of Anesthesia and Critical Care: Open Access. 6 (5), (2016).</li>
<li>Richens, J. G., Lee, C. M., Johri, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Improving+the+accuracy+of+medical+diagnosis+with+causal+machine+learning%5BTitle%5D)+AND+%22Nature+Communications%22%5BJournal%5D)">Improving the accuracy of medical diagnosis with causal machine learning.</a> Nature Communications. 11 (1), 3923(2020).</li>
<li>Dahlgren, C. L., Walsh, B. T., Vrabel, K., Siegwarth, C., Rø, Ø <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Eating+disorder+diagnostics+in+the+digital+era%3A+validation+of+the+Norwegian+version+of+the+Eating+Disorder+Assessment+for+DSM-5+%28EDA-5%29%5BTitle%5D)+AND+%22Journal+of+Eating+Disorders%22%5BJournal%5D)">Eating disorder diagnostics in the digital era: validation of the Norwegian version of the Eating Disorder Assessment for DSM-5 (EDA-5).</a> Journal of Eating Disorders. 8 (1), 1-7 (2020).</li>
</ol>

In questo caso si intende una completa apertura in merito agli accordi finanziari. Brodin dichiara di non avere interessi finanziari legati a questo studio. La nostra ricerca viene svolta presso l'Istituto Karolinska, dove Södersten è professore emerito. La ricerca è tradotta clinicamente da Mando Group AB, una società fondata da Södersten e Bergh, che hanno il 47,5% delle azioni ciascuna. Il professor Michael Leon dell'Università della California a Irvine ha il restante 5%. Mando Group AB stipula contratti con la regione di Stoccolma ogni cinque anni per il trattamento di pazienti con disturbi alimentari. Mando Group AB ha firmato il suo primo contratto nel 1997 con la regione di Stoccolma e, da allora, il suo trattamento è uno degli standard di cura offerti ai cittadini di Stoccolma. Mando Group AB ha vinto l'ultima gara d'appalto e ora ci sono Cliniche Mandometer in quattro ospedali di Stoccolma. Questo accordo è lo stesso di quando la regione di Stoccolma stipula contratti con le proprie cliniche per trattare i pazienti con tutti i tipi di malattie, compresi i disturbi alimentari. Vale a dire, la regione di Stoccolma fornisce servizi di disturbi alimentari ai cittadini di Stoccolma sia attraverso una propria clinica che attraverso Mando Group AB. Tutta l'assistenza sanitaria in Svezia è finanziata attraverso il sistema fiscale; la retribuzione privata è estremamente rara. Va aggiunto, in primo luogo, che Mando Group AB è conforme alla raccomandazione dell'International Committee of Medical Journal Editors su "Responsabilità dell'autore-Conflitti di interesse", http://www.icmje.org/recommendations/browse/rolesand-responsibilities/. In secondo luogo, va anche aggiunto che tutti gli utili realizzati da Mando Group AB sono stati reinvestiti in ricerca e sviluppo e non ci sono stati dividendi per gli azionisti. Tutto quanto sopra è dichiarato in tutte le presentazioni di manoscritti e finora, le riviste hanno ritenuto necessario pubblicare

La diagnosi precoce e accurata dei disturbi alimentari è fondamentale per iniziare un trattamento appropriato, migliorare i risultati del trattamento e ridurre i risultati di cattiva salute1. Per determinare una diagnosi, i medici devono gestire grandi quantità di informazioni psicologiche e fisiologiche e una grande quantità di dati rende la diagnosi un compito che richiede tempo con un alto rischio di diagnosi errata.
Il sistema qui descritto accelera il processo decisionale fornendo una diagnosi automatica basata su questionari. Inoltre, consente ai medici di visualizzare le risposte specifiche che si discostano dalle risposte attese di un individuo sano. Il sistema è stato sviluppato tenendo conto delle esigenze dei medici, motivo per cui il questionario è abbastanza semplice da essere compilato dal solo paziente, riducendo ulteriormente il tempo richiesto dai medici quando si considera una diagnosi. Per lo stesso motivo, le risposte vengono salvate in input, garantendo che il processo possa essere messo in pausa in qualsiasi momento. I problemi di connessione al computer e altre interruzioni non richiedono la ripetizione dell'intero processo.
Una limitazione al protocollo è che un suggerimento di diagnosi non può essere calcolato a meno che tutti gli elementi del questionario non siano stati compilati. Un'altra limitazione è che le misurazioni mediche, come la pressione sanguigna e la temperatura periferica, non sono incluse nel sistema ma devono essere valutate da medici o medici.
Esistono diversi strumenti digitali per la diagnosi dei disturbi alimentari, come le interviste elettroniche semi-strutturate11, ma attualmente non esistono algoritmi diagnostici basati sul DSM-5 o sulla Classificazione internazionale delle malattie,11a revisione (ICD-11). Il problema principale con gli approcci disponibili è che non forniscono un modo semplice per i medici di ricevere aiuto nella diagnosi o comunicare ciò che costituisce risposte malsane. L'attuale sistema è destinato all'uso sia nelle cure primarie, da parte di operatori sanitari con scarsa conoscenza dei disturbi alimentari, sia in cliniche specialistiche per la discussione di casi più complessi, aiutando i medici nel processo decisionale durante la diagnosi dei disturbi alimentari. Questo sistema si traduce in una migliore qualità delle cure, una riduzione del tempo e degli sforzi da parte dei medici e fornisce una maggiore efficienza per il clinico nella loro pratica quotidiana.
L'algoritmo diagnostico è attualmente basato su un questionario e consente al sistema di insegnare ai medici a diagnosticare meglio i pazienti e consultare altri operatori sanitari nei casi difficili. Lo sviluppo futuro del sistema deve includere anche dati medici. Inoltre, la capacità prognostica dell'algoritmo può essere migliorata perfezionando il questionario, sostituendo elementi ridondanti e non informativi con quelli più pertinenti. Occorre inoltre prendere in considerazione un approccio longitudinale. Se il paziente riceve un trattamento appropriato, è essenziale seguire la progressione della sua salute nel tempo. Molti elementi del questionario sono ancora validi per un approccio di follow-up. Tuttavia, il questionario e l'algoritmo devono essere riformulati per creare un indice per misurare la progressione della salute.

La dieta e un aumento associato dell'attività fisica sono le cause note di anoressia nervosa e altri disturbi alimentari1. I disturbi alimentari più comuni menzionati nel manuale diagnostico dei disturbi mentali (DSM-5) sono l'anoressia nervosa (AN), la bulimia nervosa (BN), il disturbo da alimentazione incontrollata (BED) e altri disturbi alimentari o alimentari specificati (OSFED)2. Questi disturbi colpiscono principalmente le donne e sono accompagnati da gravi complicazioni di salute fisica e / o psicosociale e angoscia3. Circa il 13% delle donne soffre di disturbi alimentari4 e la prevalenza di AN nelle donne è stimata allo 0,3%-1% per tutta la vita, con una percentuale ancora più alta di donne che soffrono di BN5.
Una moltitudine di fattori di rischio è associata a specifici disturbi alimentari. La dieta durante la prima adolescenza e un basso indice di massa corporea (BMI) aumentano il rischio di AN nelle femmine, ma la pubertà precoce, l'internalizzazione ideale sottile, l'insoddisfazione del corpo, l'affetto negativo e i deficit di supporto sociale nonsono 6. Tra i fattori che predicono l'insorgenza di BN ci sono problemi di peso, insoddisfazione del corpo, spinta per magrezza, inefficacia, bassa consapevolezza interocettiva e dieta, ma non perfezionismo, paure di maturità, sfiducia interpersonale o BMI6. Mentre ci sono differenze sintomatiche tra i vari tipi di disturbi alimentari, c'è una somiglianza nei fattori di rischio. Ciò suggerisce che la patologia alimentare e il comportamento alimentare disadattivo (dieta) sono fattori di rischio comuni in tutti i disturbi alimentari.
In effetti, la patologia alimentare è evidente nei disturbi alimentari. Tuttavia, la difficoltà di definire e quantificare il comportamento alimentare patologico, combinata con il fatto che la diagnosi si basa principalmente sulla descrizione soggettiva delle dimensioni dei sintomi, può far sembrare poco chiari i confini tra le diagnosi7. Questo problema rende difficile la diagnosi dei disturbi alimentari, specialmente per gli operatori sanitari che non hanno familiarità con i pazienti con disturbi alimentari, come i medici di base.
Gli operatori sanitari nelle cure primarie sono spesso i primi ad essere avvicinati da individui che soffrono di un disturbo alimentare. Data l'importanza della diagnosi precoce e dell'intervento per una prognosi favorevole, gli operatori sanitari devono avere gli strumenti per aiutarli a riconoscere questi disturbi. Pertanto, una diagnosi deve essere determinata in modo rapido e accurato per evitare ritardi nel loro trattamento da parte di specialisti.
Un modo per raggiungere questo obiettivo diagnostico è quello di digitalizzare e automatizzare i questionari relativi ai loro sintomi. Un ulteriore vantaggio di questo metodo potrebbe essere che le risposte sono più veritiere poiché gli studi suggeriscono che i pazienti si fidano dei terapeuti virtuali più dei medici umani per discutere di problemi di salute mentale8. Un altro potenziale vantaggio è una maggiore affidabilità diagnostica, con alcuni studi che suggeriscono che le diagnosi al computer possono avere un'affidabilità maggiore rispetto alle diagnosi di persona 9,10.
Nel presente protocollo, è stato sviluppato un algoritmo basato sulle risposte a domande aperte e chiuse su condizioni fisiche, comportamento, emozioni e pensieri da parte di 949 pazienti indirizzati consecutivamente (per i dati demografici, vedere Tabella 1). Dei 949 partecipanti, il 91,6% (869) era di sesso femminile, il 18,0% aveva AN, il 19,0% BN, il 13,5% BED, il 36,8% OSFED, il 6,8% obesità (OB) e il 5,9% non aveva disturbi alimentari (No ED). L'algoritmo stima sia la probabilità di avere un disturbo alimentare sia la conclusione su quale tipo di disturbo alimentare ha l'individuo. Gli elementi del questionario si basano sui criteri DSM-5 per i disturbi dell'alimentazione e dell'alimentazione e sulle caratteristiche diagnostiche di AN, BN, BED e OSFED. OB (grasso corporeo in eccesso) non è incluso nel DSM-5 come disturbo mentale. Tuttavia, ci sono solide associazioni tra OB e BED2. Gli elementi del questionario sono raggruppati in tre categorie: (1) Condizioni, come BMI, perdita / aumento di peso durante l'ultimo anno e vomito autoindotto. (2) Comportamenti tra cui modelli alimentari, dieta, pesarsi, vomito autoindotto, isolamento da amici e familiari ed evitare attività. (3) Cognizioni / pensieri, come il peso desiderato, la paura di perdere il controllo, l'eccesso di cibo, i pensieri sul cibo, credersi grassi quando gli altri dicono che sei troppo magro e la reazione all'aumento di peso. L'algoritmo si basa su un'analisi discriminante incondizionata che assegna pesi agli elementi in modo graduale, identificando gli elementi più discriminanti per ciascuna delle cinque diagnosi. Le informazioni diagnostiche vengono visualizzate su un'interfaccia basata sul Web di facile utilizzo.

<table><tbody><tr><td>Piattaforma computerizzata per l'assistenza ai medici nell'analisi e nella diagnosi dei disturbi alimentari</td><td>Mando</td><td>In attesa di incarico</td><td></td></tr><tr><td>Claris FileMaker Go 19</td><td>Claris-For</td><td></td> <td>registrazione dei pazienti, app personalizzata per questionario, valutazione del rischio</td></tr><tr><td>iPad 7a generazione (2019)</td><td>Apple</td><td>A2197</td><td></td></tr></tbody></table>

una piattaforma basata su computer per aiutare i medici nell'analisi e nella diagnosi dei disturbi alimentari

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

I disturbi alimentari (anoressia nervosa, bulimia nervosa, disturbo da alimentazione incontrollata e altri disturbi alimentari o alimentari specificati) hanno una prevalenza combinata del 13% e sono associati a gravi problemi fisici e psicosociali. La diagnosi precoce, che è importante per un trattamento efficace e la prevenzione delle conseguenze indesiderate a lungo termine sulla salute, impone problemi tra i medici non specialisti che non hanno familiarità con questi pazienti, come quelli che lavorano nelle cure primarie. Una diagnosi precoce e accurata, in particolare nelle cure primarie, consente interventi esperti abbastanza precoci nel disturbo per facilitare i risultati positivi del trattamento. Le procedure diagnostiche assistite da computer offrono una possibile soluzione a questo problema fornendo competenze tramite un algoritmo che è stato sviluppato da un gran numero di casi che sono stati diagnosticati di persona da diagnostici esperti e caregiver esperti. Sulla base di questi dati è stato sviluppato un sistema basato sul web per determinare una diagnosi accurata per i pazienti sospettati di soffrire di un disturbo alimentare. Il processo è automatizzato utilizzando un algoritmo che stima la probabilità dell'intervistato di avere un disturbo alimentare e il tipo di disturbo alimentare che l'individuo ha. Il sistema fornisce un rapporto che funziona come un aiuto per i medici durante il processo diagnostico e funge da strumento educativo per i nuovi medici.

La registrazione del paziente descritta nella fase 1 viene effettuata da un medico che compila il modulo presentato in Figura 1 nelle cartelle cliniche computerizzate. Una volta che il clinico registra un nuovo paziente, l'applicazione passa al passaggio 2, che consente al paziente di completare il questionario. Per avviare il questionario, il paziente o il medico deve prima inserire il numero di previdenza sociale (o ID) del paziente nell'app su uno smart device (Figura 3), dopodiché l'app visualizza il primo elemento del questionario. Nella Figura 2 viene illustrata una schermata di un elemento del questionario diagnostico. Una volta selezionata una risposta a un elemento del questionario, l'applicazione passa all'elemento successivo. I pazienti non possono tornare indietro per alterare la risposta alle domande precedenti e, se il questionario viene interrotto prematuramente, le risposte vengono comunque salvate e l'utente può tornare a compilare gli elementi mancanti. Una volta che tutte le domande hanno ricevuto risposta, l'app viene chiusa automaticamente.
Una volta completato il questionario, la pagina di valutazione del rischio presentata nella Figura 4 è disponibile per il clinico tramite un'interfaccia web. I medici possono visualizzare la diagnosi raccomandata nella pagina "Risultato", insieme alla probabilità stimata di accuratezza da 0 a 1 (cioè un intervallo del 100%), sulla base di un calcolo automatico dei fattori di rischio del questionario. Premendo la scheda "Domande 1-20" o "Domande 21-34", i medici possono visualizzare le risposte sane (colore turchese) e le risposte divergenti (colore rosso) che hanno portato alla diagnosi suggerita (Figura 5). L'algoritmo (vedi Tabella dei materiali) stima sia la probabilità di avere un disturbo alimentare sia la conclusione su quale tipo di disturbo alimentare ha l'individuo. L'accuratezza del modello è del 97,1% per avere una disfunzione erettile e dell'82,8% per le diagnosi di disfunzione erettile (Tabella 2). Le informazioni diagnostiche vengono visualizzate su un'interfaccia basata sul Web di facile utilizzo. Queste informazioni forniscono ai medici la fiducia nella loro decisione se la diagnosi algoritmica concorda con la valutazione del clinico. Se la diagnosi algoritmica non concorda con la valutazione del clinico, il clinico è incoraggiato a chiedere un secondo parere ad altri professionisti della salute. Il sistema consente inoltre ai medici di allenarsi a diventare migliori nella diagnosi dei pazienti visualizzando le domande specifiche che dovrebbero deviare da un individuo sano nelle schede delle domande e rivedendo i casi difficili con altri professionisti della salute.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/63848/63848fig01.jpg"> Figura 1: Un'illustrazione del modulo di registrazione del paziente nello strumento web. <a href="https://www.jove.com/files/ftp_upload/63848/63848fig01large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/63848/63848fig02.jpg"> Figura 2: Esempio di un singolo elemento del questionario visualizzato su uno smart tablet. <a href="https://www.jove.com/files/ftp_upload/63848/63848fig02large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/63848/63848fig03.jpg"> Figura 3: Istantanea della pagina che richiede il numero di previdenza sociale richiesto prima di completare il questionario di diagnosi. <a href="https://www.jove.com/files/ftp_upload/63848/63848fig03large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/63848/63848fig04.jpg"> Figura 4: Esempio di pagina dei risultati con diagnosi consigliata e accuratezza stimata (in questo caso 100%) come visualizzato utilizzando lo strumento web. La pagina dei risultati mostra anche la data, il sesso, l'età e il BMI del paziente. Nella parte superiore, i medici possono selezionare una diagnosi. <a href="https://www.jove.com/files/ftp_upload/63848/63848fig04large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/63848/63848fig05.jpg"> Figura 5: Risposte al questionario e loro associazione con la diagnosi suggerita. Il rosso indica un'associazione alta e l'alzavola suggerisce un'associazione bassa. <a href="https://www.jove.com/files/ftp_upload/63848/63848fig05large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td></td>
			<td>Femmina (n = 869)</td>
			<td>Maschio (n = 80)</td>
			<td>Totale (n = 949)</td>
		</tr>
<tr>
<td>Età</td>
			<td>21.0 (17.0 - 30.0)</td>
			<td>21.0 (15.0 - 33.5)</td>
			<td>21.0 (17.0 - 30.0)</td>
		</tr>
<tr>
<td>Altezza</td>
			<td>167.0 (162.0 - 170.0)</td>
			<td>176.5 (169.0 - 183.0)</td>
			<td>167.0 (162.0 - 171.0)</td>
		</tr>
<tr>
<td>Peso</td>
			<td>58.2 (50.0 - 75.0)</td>
			<td>71.5 (57.0 - 97.0)</td>
			<td>59.1 (50.0 - 76.5)</td>
		</tr>
<tr>
<td>Bmi</td>
			<td>20.9 (17.8 - 26.7)</td>
			<td>21.3 (18.0 - 31.2)</td>
			<td>21 (17.9 - 27.1)</td>
		</tr>
</tbody></table>Tabella 1: Dati demografici dei 949 pazienti inclusi per lo sviluppo dell'algoritmo diagnostico. I valori sono espressi come mediana (quartile inferiore - quartile superiore).
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td>Diagnosi</td>
			<td>Diagnosi clinica</td>
			<td>Diagnosi dell'algoritmo</td>
			<td>Precisione (%)</td>
		</tr>
<tr>
<td>Un</td>
			<td>171</td>
			<td>172</td>
			<td>87.1</td>
		</tr>
<tr>
<td>Bn</td>
			<td>180</td>
			<td>181</td>
			<td>82.2</td>
		</tr>
<tr>
<td>Letto</td>
			<td>128</td>
			<td>138</td>
			<td>81.3</td>
		</tr>
<tr>
<td>OSFED ·</td>
			<td>349</td>
			<td>328</td>
			<td>79.9</td>
		</tr>
<tr>
<td>Ob</td>
			<td>65</td>
			<td>74</td>
			<td>90.8</td>
		</tr>
</tbody></table>Tabella 2: Numero di pazienti in ciascuna categoria di DISFUNZIONE E diagnosticati da un clinico qualificato e la decisione e l'accuratezza dell'algoritmo.

Diagnosticare i disturbi alimentari nell'assistenza sanitaria è una sfida. Pertanto, il presente protocollo sviluppa un algoritmo basato su 949 risposte dei pazienti a un questionario, con la diagnosi visualizzata su un'interfaccia web-based di facile utilizzo. Questo sistema facilita la diagnosi accurata dei disturbi alimentari escludendo quelli che si ritiene abbiano un disturbo alimentare.

Una piattaforma basata su computer per aiutare i medici nell'analisi e nella diagnosi dei disturbi alimentari

Eating disorders (anorexia nervosa, bulimia nervosa, binge-eating disorder, and other specified eating or feeding disorders) have a combined prevalence of ...

Il sistema decide se un paziente soddisfa i criteri diagnostici per un disturbo alimentare e quale tipo di disturbo alimentare come anoressia nervosa, bulimia nervosa o disturbo da alimentazione incontrollata. Quindi i pazienti tendono ad essere più onesti quando rispondono a un computer rispetto a una persona fisica. E, naturalmente, il sistema sta facendo risparmiare tempo al clinico.Lo scopo del metodo è quello di migliorare l'affidabilità della diagnosi di disturbo alimentare, assistendo i medici nella selezione di coloro che soffrono di un disturbo alimentare e indirizzando coloro che non soddisfano i criteri di disturbo alimentare ad altri trattamenti o nessun trattamento. A dimostrare le procedure sarà Alkioni Glibi, assistente di ricerca presso il nostro laboratorio. Dopo il rinvio del paziente, vai alla pagina di destinazione web utilizzando qualsiasi browser moderno.Utilizzare un account esistente associato a un medico per accedere allo strumento Web. Compila il modulo di registrazione del paziente, inclusi ID paziente, data di nascita, età e sesso, numero di previdenza sociale. Premere il pulsante Salva per registrare un nuovo paziente.Aprire l'applicazione del questionario su uno smart device. Inserisci il numero di previdenza sociale e la data della prima visita per il paziente. La data corrente viene utilizzata per impostazione predefinita.Quindi compilare le informazioni corrispondenti al peso, all'altezza e all'età del paziente. Successivamente, inserisci le informazioni corrispondenti al comportamento come il vomito indotto, la frequenza degli spuntini e il tasso di consumo, seguiti da dettagli corrispondenti a elementi cognitivi ed emotivi, come la paura di ingrassare e la sensazione di dismorfia corporea. Premere il pulsante Fine per completare il questionario.Passare alla pagina di destinazione Web utilizzando qualsiasi browser Web. Utilizzare un account esistente per accedere allo strumento Web. Cerca il paziente utilizzando il numero di previdenza sociale del paziente o l'ID paziente.Aggiungi peso e altezza misurati al sistema.Premere la scheda Risultato per ottenere la decisione algoritmica se il paziente ha un disturbo alimentare o ED e quale tipo di ED. Quindi premere la scheda domande da uno a 20 o da 21 a 34 per visualizzare le domande in cui le risposte del paziente si discostano dalle risposte di individui sani. Seleziona una diagnosi finale nella scheda Risultato, in base all'algoritmo e all'esperienza del clinico. Un esempio di una pagina di valutazione del rischio per la diagnosi raccomandata e la probabilità stimata di accuratezza da zero a uno è mostrato qui.Dalla diagnosi raccomandata e dalle risposte al questionario, sono state generate risposte sane e devianti. L'algoritmo che stima la probabilità di diversi tipi di disturbi alimentari per l'individuo è dimostrato qui. L'accuratezza del modello è stata determinata in 97,1 per la disfunzione erettile e 82,8 per la diagnosi di disfunzione erettile.Un altro vantaggio del sistema è che fornisce le risposte responsabili della diagnosi suggerita, che consente al sistema di insegnare ai medici a diagnosticare meglio i pazienti e di consultare ulteriori professionisti della salute nei casi difficili.

a-computer-based-platform-for-aiding-clinicians-eating-disorder

Research

Ricerca

JoVE Journal

Behavior

Comportamento

Qui presentiamo un protocollo per indurre l'anoressia basata sull'attività (ABA) in topi adolescenti femmine. L'ABA è una condizione di iperattività evocata dall'imposizione di restrizioni alimentari ai roditori con accesso a una ruota da corsa. Questo fenomeno viene utilizzato come modello per studiare la neurobiologia alla base dell'anoressia nervosa.

Utilizzando il per attività Anoressia roditore modello per studiare le basi neurobiologiche di Anoressia Nervosa

Soggetti mangiano cibo da un piatto di una bilancia collegata a un computer che registra la perdita di peso della piastra durante il pasto. Feedback su schermo del computer consente al soggetto di adattare il suo comportamento alimentare alle curve di riferimento così normalizzare il peso corporeo.

Controllo di mangiare comportamento utilizzando un sistema di Feedback romanzo

Il 'piatto di cibo Boden' è un diario di cibo elettronico progettato per essere un metodo interattivo e divertente per raccogliere l'ingestione dietetica utilizzando rappresentazioni visive. Lo scopo di questo studio era di convalidare l'applicazione basata su web contro un metodo di diario tradizionale cibo stimato di tre giorni.

'Cibo Boden Plate': romanzo metodo interattivo basato su Web per la valutazione dell'assunzione alimentare

Questo articolo descrive il protocollo per lo sviluppo di un'innovativa applicazione di valutazione dietetica basata su smartphone Traqq, comprese le valutazioni di esperti e i test di usabilità.

Sviluppo iterativo di un innovativo strumento di valutazione dietetica basato su smartphone: Traqq

Questo protocollo mostra e spiega un nuovo metodo di valutazione dietetica basato sulla tecnologia. Il metodo consiste in un vassoio da pranzo con più bilance integrate e una videocamera. Il dispositivo è unico nel senso che incorpora misure automatizzate di assunzione di cibi e bevande e comportamento alimentare nel corso di un pasto.

Sviluppo e utilizzo di un metodo automatizzato di assunzione e valutazione del comportamento alimentare

Presentiamo una piattaforma virtuale open source per condurre interviste motivazionali in tempo reale, combinando linguaggio all'avanguardia e modelli di diffusione per adattarsi al comportamento e al profilo degli utenti. Utilizzando la piattaforma Greta 2.0, supporta vari argomenti, inclusi interventi legati alla nutrizione e allo sport, e offre uno strumento flessibile e validato per migliorare le interazioni terapeutiche digitali.

Agente virtuale per l'intervista motivazionale in tempo reale integrando modelli adattivi di comportamento non verbale e di linguaggio

Questo articolo presenta un protocollo di prova paura condizionata contestuale e cued utilizzando un sistema di video analisi per valutare paura apprendimento e memoria nei topi.

Contestuali e Cued paura condizionata test utilizzando un sistema di video Analizzare in topi

Abbiamo testato l'usabilità di un'applicazione basata su tablet-computer (EmoCogMeter) nell'indagare gli effetti dell'età sulla cognizione. I risultati mostrano un declino cognitivo legato all'età, dimostrando così la fruibilità della nostra applicazione. I risultati sottolineano il grande potenziale clinico e pratico di un'applicazione basata su tablet per il rilevamento e il monitoraggio di disfunzione cognitiva.

Valutazione dei cambiamenti legati all&#39;età delle funzioni cognitive Utilizzando EmoCogMeter, un nuovo approccio Tablet Computer Based

Questo articolo descrive come utilizzare il compito stravagante emotivo e la risonanza magnetica funzionale per misurare l'attivazione cerebrale nei bambini e negli adolescenti ad alto rischio familiare di schizofrenia (FHR). L'FMRI è stato utilizzato per misurare le differenze nelle regioni fronto-striato-limbiche durante un compito stravagante emotivo. I bambini con FHR hanno mostrato un'attivazione funzionale anomala durante l'adolescenza.

Misura di fronto-limbico Attività L&#39;utilizzo di un emotivo Oddball attività nei bambini con familiare ad alto rischio per la schizofrenia

Influenze tenore di grassi alimentari, sia l'apporto energetico e composizione corporea grasso nei mammiferi. Esaminando la preferenza ratti di cibo ricco di grassi in una serie di esperimenti di scelta, è possibile testare le differenze genetiche e interventi farmacologici sulla loro preferenza per il cibo ricco di grassi.

Preferenza Grasso: un modello Novel of Eating Comportamento in Rats

Scopri un algoritmo web per diagnosticare i disturbi alimentari con un'accuratezza del 97,1%. Questo strumento assiste i clinici nell'analisi delle risposte dei pazienti e migliora l'affidabilità diagnostica.

Una piattaforma basata su computer per aiutare i medici nell'analisi e nella diagnosi dei disturbi alimentari

Esplora altri video