Name: Platforma komputerowa wspomagająca klinicystów w analizie i diagnozowaniu zaburzeń odżywiania (Wideo) | JoVE Journal
Uploaded: 2022-05-10T16:00:00.000+00:00
Duration: 4 min 19 s
Description: Poznaj algorytm komputerowy wspomagający diagnostykę zaburzeń odżywiania z dokładnością 97,1%. System analizuje odpowiedzi pacjentów z kwestionariusza, pomagając klinicystom w szybszej i bardziej wiarygodnej diagnozie.

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

Ta praca została sfinansowana przez Region Sztokholmu.

Wszystkie prace na obiektach eksperymentalnych i pacjentach zostały zatwierdzone przez Szwedzki Urząd ds. Oceny Etycznej, Szwecja (D. nr: 2019-05505). Przed rejestracją w systemie wszystkie osoby wyraziły pisemną zgodę na przechowywanie, przetwarzanie i analizowanie ich danych. Pacjenci byli kierowani do kliniki w celu specjalistycznego leczenia zaburzeń odżywiania na podstawie skierowania lekarskiego lub samodzielnego skierowania. Cierpienie na zaburzenia odżywiania było kryterium włączenia pacjentów.
1. Rejestracja pacjentów przez lekarzy
UWAGA: Rejestracja pacjenta (<silna klasa="xfig">Rysunek 1) jest przeprowadzana przez lekarza za pomocą opracowanego specjalnie opracowanego narzędzia internetowego (patrz Tabela Materiałów).
<ol>
	<li>Przejdź do internetowej strony docelowej za pomocą dowolnej nowoczesnej przeglądarki na polecenie pacjenta.</li>
	<li>Użyj istniejącego konta powiązanego z lekarzem, aby zalogować się do narzędzia internetowego.</li>
	<li>Wypełnij formularz rejestracyjny pacjenta, podając identyfikator pacjenta, numer ubezpieczenia społecznego, datę urodzenia, wiek i płeć.</li>
	<li>Naciśnij przycisk Zapisz, aby zarejestrować nowego pacjenta. W tym momencie procedurę można wstrzymać, a następnie ponownie uruchomić później.</li>
</ol>
2. Kwestionariusz dla pacjentów
UWAGA: Pacjent wypełnia kwestionariusz na urządzeniu inteligentnym za pomocą niestandardowej aplikacji opracowanej w narzędziu internetowym (patrz Spis materiałów). W przypadku, gdy pacjent jest osobą niepełnoletnią, ankietę wypełnia rodzic lub opiekun prawny. Ich dane są zorganizowane w bloki tematyczne. Po udzieleniu odpowiedzi na każde pytanie, system prezentuje kolejne pytanie (Rysunek 2).
<ol>
	<li>Otwórz aplikację do ankietowania na urządzeniu inteligentnym.</li>
	<li>Wpisz numer ubezpieczenia społecznego dla pacjentów (<silna klasa="xfig">Rysunek 3).</li>
	<li>Wpisz datę pierwszej wizyty; domyślnie używana jest bieżąca data.</li>
	<li>Wypełnij informacje odpowiadające wadze, wzrostowi i wiekowi pacjentów.</li>
	<li>Wypełnij informacje odpowiadające zachowaniu, takie jak wywołane wymioty, częstotliwość przekąsek i tempo jedzenia.</li>
	<li>Uzupełnij dane odpowiadające elementom poznawczym i emocjonalnym, takim jak strach przed przybraniem na wadze i uczucie dysmorfii ciała.</li>
	<li>Naciśnij przycisk Gotowe, aby zakończyć wypełnianie kwestionariusza. W tym momencie kwestionariusz może zostać wstrzymany, a następnie ponownie uruchomiony później.</li>
</ol>
3. Ocena ryzyka przez klinicystów
UWAGA: Ocena ryzyka (<silna klasa="xfig">Rysunek 4) jest pobierana i wykorzystywana przez lekarza za pomocą niestandardowego narzędzia internetowego (patrz Spis Materiałów).
<ol>
	<li>Przejdź do strony docelowej za pomocą dowolnej przeglądarki internetowej. Użyj istniejącego konta, aby zalogować się do narzędzia internetowego.</li>
	<li>Wyszukaj pacjenta, korzystając z jego numeru ubezpieczenia społecznego lub identyfikatora pacjenta.</li>
	<li>Dodaj zmierzoną wagę i wzrost do systemu.</li>
	<li>Naciśnij kartę Wynik, aby uzyskać algorytmiczną decyzję, czy pacjent ma zaburzenia erekcji, a jeśli tak, to jaki rodzaj zaburzeń erekcji.</li>
	<li>Naciśnij zakładkę Pytania 1-20 lub Pytania 21-34, aby wyświetlić pytania, w których odpowiedzi pacjentów różnią się od odpowiedzi osób zdrowych.</li>
	<li>Wybierz ostateczną diagnozę na karcie Wynik, w oparciu o algorytm i wiedzę lekarza.</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>

Zakłada się tu pełną otwartość w zakresie ustaleń finansowych. Brodin oświadcza, że nie ma żadnych interesów finansowych związanych z tym badaniem. Nasze badania prowadzone są w Instytucie Karolinska, gdzie Södersten jest emerytowanym profesorem. Badania są tłumaczone klinicznie przez Mando Group AB, firmę założoną przez Söderstena i Bergha, z których każda posiada 47,5% akcji. Profesor Michael Leon z Uniwersytetu Kalifornijskiego w Irvine ma pozostałe 5%. Mando Group AB co pięć lat podpisuje umowę z Regionem Sztokholm na leczenie pacjentów z zaburzeniami odżywiania. Mando Group AB podpisała swoją pierwszą umowę w 1997 roku z Regionem Sztokholmu i od tego czasu jej leczenie jest jednym ze standardów opieki oferowanych mieszkańcom Sztokholmu. Mando Group AB wygrała ostatni przetarg i obecnie w czterech szpitalach w Sztokholmie działają kliniki Mandometer. Układ ten jest taki sam, jak w przypadku, gdy Region Sztokholm zawiera umowy z własnymi klinikami na leczenie pacjentów z wszelkiego rodzaju chorobami, w tym zaburzeniami odżywiania. Oznacza to, że Region Sztokholm świadczy usługi w zakresie zaburzeń odżywiania dla mieszkańców Sztokholmu zarówno poprzez własną klinikę, jak i za pośrednictwem Mando Group AB. Cała opieka zdrowotna w Szwecji jest finansowana przez system podatkowy; Prywatne wynagrodzenie jest niezwykle rzadkie. Należy dodać, po pierwsze, że Mando Group AB stosuje się do zalecenia Międzynarodowego Komitetu Wydawców Czasopism Medycznych w sprawie "Obowiązki autora – konflikty interesów" http://www.icmje.org/recommendations/browse/rolesand-responsibilities/. Po drugie, należy również dodać, że wszystkie zyski osiągnięte przez Mando Group AB zostały ponownie zainwestowane w badania i rozwój, a właścicielom akcji nie wypłacono żadnych dywidend. Wszystko to zostało zadeklarowane we wszystkich zgłoszonych manuskryptach i do tej pory czasopisma uznały za konieczne opublikowanie tylko niektórych szczegółów. Wydaje się jednak, że potencjalny problem etyczny, gdy naukowcy przekładają wyniki swoich badań na praktykę kliniczną w firmie, nie różni się od tego, który pojawia się, gdy każdy naukowiec, w środowisku akademickim, opracowuje teorię i potrzebuje dalszych funduszy ekonomicznych na swoją pracę i może otrzymać uznanie i korzyści finansowe za swoją pracę. Również w tym przypadku zachęta ma częściowo charakter ekonomiczny, a "problem" etyczny jest podobny w obu przypadkach. Jednak ważniejszą zachętą jest poprawa leczenia pacjentów z zaburzeniami odżywiania. Jesteśmy naukowcami pracującymi w środowisku akademickim i podobnie jak wiele innych medycznych instytutów badawczych, Instytut Karolinska zachęca naukowców do przekładania swoich badań na praktykę kliniczną w firmach, które dążą do generowania zysków finansowych do wykorzystania na badania i rozwój (https://issuu.com/karolinska_institutet/docs/ki_strategy2030_eng).

Wczesna i dokładna diagnoza zaburzeń odżywiania ma kluczowe znaczenie dla rozpoczęcia odpowiedniego leczenia, poprawy wyników leczenia i zmniejszenia złych wyników zdrowotnych1. Aby ustalić diagnozę, klinicyści muszą radzić sobie z dużymi ilościami informacji psychologicznych i fizjologicznych, a duża ilość danych sprawia, że diagnoza jest czasochłonnym zadaniem z wysokim ryzykiem błędnej diagnozy.
Opisany tutaj system przyspiesza proces podejmowania decyzji, zapewniając automatyczną diagnozę opartą na kwestionariuszu. Ponadto umożliwia klinicystom przeglądanie konkretnych reakcji, które odbiegają od oczekiwanych odpowiedzi zdrowej osoby. System został opracowany z myślą o potrzebach klinicystów, dlatego kwestionariusz jest na tyle prosty, że może go wypełnić sam pacjent, co jeszcze bardziej skraca czas potrzebny klinicystom na rozważenie diagnozy. Z tego samego powodu odpowiedzi są zapisywane przy wprowadzaniu danych, dzięki czemu proces można wstrzymać w dowolnym momencie. Problemy z połączeniem z komputerem i inne przerwy nie wymagają powtarzania całego procesu.
Ograniczeniem protokołu jest to, że sugestia diagnozy nie może zostać obliczona, jeśli wszystkie pozycje kwestionariusza nie zostały wypełnione. Innym ograniczeniem jest to, że pomiary medyczne, takie jak ciśnienie krwi i temperatura obwodowa, nie są uwzględniane w systemie, ale muszą być oceniane przez klinicystów lub lekarzy.
Istnieje kilka narzędzi cyfrowych do diagnozowania zaburzeń odżywiania, takich jak częściowo ustrukturyzowane wywiady elektroniczne11, ale obecnie nie ma algorytmów diagnostycznych opartych na DSM-5 lub Międzynarodowej Klasyfikacji Chorób, 11. rewizja (ICD-11). Podstawowy problem z dostępnymi metodami polega na tym, że nie zapewniają one klinicystom prostego sposobu na otrzymanie pomocy w diagnozie lub zakomunikowanie, co stanowi niezdrowe reakcje. Obecny system jest przeznaczony do stosowania zarówno w podstawowej opiece zdrowotnej, przez pracowników służby zdrowia z niewielką wiedzą na temat zaburzeń odżywiania, jak i w specjalistycznych klinikach do omawiania bardziej złożonych przypadków, pomagając klinicystom w procesie podejmowania decyzji podczas diagnozowania zaburzeń odżywiania. System ten skutkuje poprawą jakości opieki, skróceniem czasu i wysiłku lekarzy oraz zapewnia lepszą wydajność lekarza w jego codziennej praktyce.
Algorytm diagnostyczny opiera się obecnie na jednym kwestionariuszu i pozwala systemowi uczyć klinicystów lepszego diagnozowania pacjentów i konsultowania się z innymi pracownikami służby zdrowia w trudnych przypadkach. Przyszły rozwój systemu musi obejmować również dane medyczne. Ponadto zdolność prognostyczna algorytmu może zostać poprawiona poprzez udoskonalenie kwestionariusza, zastępując zbędne, nieinformacyjne elementy bardziej istotnymi. Należy również rozważyć podejście oparte na trendzie długotrwałym. Jeśli pacjent otrzyma odpowiednie leczenie, konieczne jest śledzenie postępów jego stanu zdrowia w czasie. Wiele pozycji w kwestionariuszu jest nadal ważnych z punktu widzenia podejścia uzupełniającego. Jednak kwestionariusz i algorytm muszą zostać przeformułowane, aby stworzyć indeks do pomiaru postępu zdrowia.

Dieta i związany z nią wzrost aktywności fizycznej są znanymi przyczynami jadłowstrętu psychicznego i innych zaburzeń odżywiania1. Najczęstsze zaburzenia odżywiania wymienione w podręczniku diagnostycznym zaburzeń psychicznych (DSM-5) to jadłowstręt psychiczny (AN), bulimia psychiczna (BN), zaburzenie z napadami objadania się (BED) i inne określone zaburzenia odżywiania lub odżywiania (OSFED)2. Zaburzenia te dotykają głównie kobiety i towarzyszą im poważne fizyczne i/lub psychospołeczne komplikacje zdrowotne oraz stres3. Około 13% kobiet cierpi na zaburzenia odżywiania4, a częstość występowania AN u kobiet szacuje się na 0,3%-1% w ciągu całego życia, przy czym jeszcze wyższy odsetek kobiet cierpi na BN5.
Mnogość czynników ryzyka jest związana z określonymi zaburzeniami odżywiania. Dieta we wczesnym okresie dojrzewania i niski wskaźnik masy ciała (BMI) zwiększają ryzyko wystąpienia AN u kobiet, ale wczesne dojrzewanie, idealna internalizacja, niezadowolenie z ciała, negatywny afekt i deficyty wsparcia społecznego nie6. Wśród czynników, które przewidują początek BN są obawy o wagę, niezadowolenie z ciała, dążenie do szczupłości, nieskuteczność, niska świadomość interoceptywna i dieta, ale nie perfekcjonizm, lęki dojrzałości, nieufność interpersonalna lub BMI6. Chociaż istnieją różnice objawowe między różnymi rodzajami zaburzeń odżywiania, istnieje podobieństwo w czynnikach ryzyka. Sugeruje to, że patologia odżywiania i nieprzystosowawcze zachowania żywieniowe (dieta) są powszechnymi czynnikami ryzyka we wszystkich zaburzeniach odżywiania.
Rzeczywiście, patologia odżywiania jest widoczna w zaburzeniach odżywiania. Jednak trudność w zdefiniowaniu i ilościowym określeniu patologicznych zachowań żywieniowych, w połączeniu z faktem, że diagnoza opiera się głównie na subiektywnym opisie wymiarów objawów, może sprawić, że granice między diagnozami wydają się być niejasne7. Ta kwestia sprawia, że diagnoza zaburzeń odżywiania jest trudna, szczególnie dla pracowników służby zdrowia, którzy nie są zaznajomieni z pacjentami z zaburzeniami odżywiania, takich jak lekarze podstawowej opieki zdrowotnej.
Pracownicy służby zdrowia w podstawowej opiece zdrowotnej są często pierwszymi, do których zgłaszają się osoby cierpiące na zaburzenia odżywiania. Biorąc pod uwagę znaczenie wczesnego wykrywania i interwencji dla korzystnego rokowania, pracownicy opieki zdrowotnej muszą dysponować narzędziami, które pomogą im rozpoznać te zaburzenia. Dlatego diagnoza musi być ustalona szybko i dokładnie, aby zapobiec opóźnieniom w ich leczeniu przez specjalistów.
Jednym ze sposobów osiągnięcia tego celu diagnostycznego jest digitalizacja i automatyzacja kwestionariuszy dotyczących ich objawów. Dodatkową zaletą tej metody może być to, że odpowiedzi są bardziej zgodne z prawdą, ponieważ badania sugerują, że pacjenci bardziej ufają wirtualnym terapeutom niż ludzkim klinicystom w omawianiu problemów ze zdrowiem psychicznym8. Inną potencjalną korzyścią jest zwiększona wiarygodność diagnostyczna, przy czym niektóre badania sugerują, że diagnozy komputerowe mogą być bardziej wiarygodne niż diagnozy osobiste9,10.
W niniejszym protokole algorytm został opracowany na podstawie odpowiedzi na otwarte i zamknięte pytania dotyczące kondycji fizycznej, zachowania, emocji i myśli przez 949 kolejno skierowanych pacjentów (dane demograficzne znajdują się w Tabeli 1). Spośród 949 uczestników 91,6% (869) stanowiły kobiety, 18,0% miało AN, 19,0% BN, 13,5% BED, 36,8% OSFED, 6,8% otyłość (OB) i 5,9% nie miało zaburzeń odżywiania (No ED). Algorytm szacuje zarówno prawdopodobieństwo wystąpienia zaburzeń odżywiania, jak i wnioski dotyczące tego, jaki rodzaj zaburzeń odżywiania ma dana osoba. Pozycje kwestionariusza opierają się na kryteriach DSM-5 dotyczących zaburzeń karmienia i odżywiania oraz cechach diagnostycznych AN, BN, BED i OSFED. OB (nadmiar tkanki tłuszczowej) nie jest uwzględniony w DSM-5 jako zaburzenie psychiczne. Istnieją jednak silne powiązania między OB a BED2. Elementy kwestionariusza są pogrupowane w trzy kategorie: (1) Stany, takie jak BMI, utrata / przyrost masy ciała w ciągu ostatniego roku oraz wymioty wywołane przez siebie. (2) Zachowania, w tym wzorce żywieniowe, diety, ważenie się, wymioty wywołane przez siebie, izolacja od przyjaciół i rodziny oraz unikanie aktywności. (3) Poznania/myśli, takie jak pożądana waga, strach przed utratą kontroli, przejadanie się, myśli o jedzeniu, przekonanie, że jest się grubym, gdy inni mówią, że jest się zbyt szczupłym i reakcja na przyrost masy ciała. Algorytm opiera się na bezwarunkowej analizie dyskryminacyjnej, która krok po kroku przypisuje wagi elementom, identyfikując najbardziej dyskryminujące elementy dla każdej z pięciu diagnoz. Informacje diagnostyczne są wyświetlane w łatwym w użyciu interfejsie internetowym.

<table><tbody><tr><td>Komputerowa platforma wspomagająca klinicystów w analizie i diagnozowaniu zaburzeń odżywiania</td><td>Mando</td><td>Oczekiwanie na zadanie</td><td></td></tr><tr><td>Claris FileMaker Go 19</td><td>Claris-Do</td><td></td> <td>rejestracji pacjentów, niestandardowa aplikacja do kwestionariusza, oceny ryzyka</td></tr><tr><td>iPad 7. generacji (2019)</td><td>Apple</td><td>A2197</td><td></td></tr></tbody></table>

platforma komputerowa wspomagająca klinicystów w analizie i diagnozowaniu zaburzeń odżywiania

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

Zaburzenia odżywiania (jadłowstręt psychiczny, bulimia, zaburzenia z napadami objadania się i inne określone zaburzenia jedzenia lub karmienia) występują łącznie na poziomie 13% i są związane z poważnymi problemami fizycznymi i psychospołecznymi. Wczesna diagnoza, która jest ważna dla skutecznego leczenia i zapobiegania niepożądanym długoterminowym konsekwencjom zdrowotnym, stwarza problemy wśród klinicystów niebędących specjalistami, którzy nie są zaznajomieni z tymi pacjentami, takich jak osoby pracujące w podstawowej opiece zdrowotnej. Wczesna, dokładna diagnoza, szczególnie w podstawowej opiece zdrowotnej, pozwala na wystarczająco wczesne interwencje ekspertów w przypadku zaburzenia, aby ułatwić pozytywne wyniki leczenia. Procedury diagnostyczne wspomagane komputerowo oferują możliwe rozwiązanie tego problemu, zapewniając wiedzę specjalistyczną za pośrednictwem algorytmu, który został opracowany na podstawie dużej liczby przypadków, które zostały zdiagnozowane osobiście przez biegłych diagnostów i doświadczonych opiekunów. Na podstawie tych danych opracowano internetowy system do określania dokładnej diagnozy dla pacjentów, u których podejrzewa się, że cierpią na zaburzenia odżywiania. Proces jest zautomatyzowany za pomocą algorytmu, który szacuje prawdopodobieństwo wystąpienia zaburzeń odżywiania u respondenta oraz rodzaj zaburzeń odżywiania, na które cierpi dana osoba. System zapewnia raport, który służy jako pomoc dla klinicystów podczas procesu diagnostycznego i służy jako narzędzie edukacyjne dla nowych klinicystów.

Rejestracja pacjenta opisana w kroku 1 jest przeprowadzana przez klinicystę wypełniającego formularz przedstawiony na Rysunku 1 w zintegrowanym systemie dokumentacji medycznej. Po zarejestrowaniu nowego pacjenta aplikacja przechodzi do kroku 2, który umożliwia pacjentowi wypełnienie kwestionariusza. Aby rozpocząć ankietę, pacjent lub klinicysta musi najpierw wprowadzić numer ubezpieczenia społecznego (lub ID) pacjenta do aplikacji na urządzeniu inteligentnym (Rysunek 3), po czym aplikacja wyświetla pierwszy punkt kwestionariusza. Rysunek 2 przedstawia zrzut ekranu z jednym z punktów kwestionariusza diagnostycznego. Po wybraniu odpowiedzi na pytanie z kwestionariusza aplikacja przechodzi do kolejnego punktu. Pacjenci nie mogą cofnąć się, aby zmienić odpowiedź na poprzednie pytania; jeśli wypełnianie kwestionariusza zostanie przedwcześnie przerwane, odpowiedzi zostają zapisane i użytkownik może powrócić, aby uzupełnić brakujące elementy. Po udzieleniu odpowiedzi na wszystkie pytania aplikacja zamyka się automatycznie.
Po wypełnieniu kwestionariusza wyświetlana jest strona oceny ryzyka przedstawiona w Rysunek 4 jest dostępny dla klinicysty poprzez interfejs internetowy. Klinicyści mogą zapoznać się z rekomendowaną diagnozą na stronie „Result” (Wynik), wraz z szacowaną prawdopodobnością poprawności w zakresie od 0 do 1 (tj. zakres 100%), obliczoną automatycznie na podstawie czynników ryzyka zawartych w kwestionariuszu. Po naciśnięciu karty „Questions 1-20” (Pytania 1-20) lub „Questions 21-34” (Pytania 21-34) klinicyści mogą przejrzeć prawidłowe odpowiedzi (kolor turkusowy) oraz odpowiedzi odbiegające od normy (kolor czerwony), które doprowadziły do sugerowanej diagnozy (Rysunek 5). Algorytm (patrz Tabela materiałów) szacuje zarówno prawdopodobieństwo wystąpienia zaburzeń odżywiania, jak i wniosek dotyczący tego, na jaki typ zaburzeń odżywiania cierpi dana osoba. Dokładność modelu wynosi 97,1% w przypadku wystąpienia zaburzeń odżywiania i 82,8% w przypadku diagnozy konkretnego rodzaju zaburzeń odżywiania (Tabela 2Informacje diagnostyczne są wyświetlane w łatwym w obsłudze interfejsie internetowym. Informacje te utwierdzają klinicystów w podjętej decyzji, jeżeli diagnoza algorytmiczna jest zgodna z ich własną oceną. W przypadku niezgodności diagnozy algorytmicznej z oceną klinicysty, zaleca się zasięgnięcie drugiej opinii u innych pracowników służby zdrowia. System umożliwia również klinicystom doskonalenie umiejętności diagnozowania pacjentów poprzez analizowanie w zakładkach z pytaniami konkretnych kwestii, w których spodziewane są odchylenia od stanu zdrowego osobnika, oraz poprzez omawianie trudnych przypadków z innymi specjalistami.
<img alt="Pola wprowadzania danych w formularzu rejestracji pacjenta; imię, nazwisko, rozwijana lista płci, numer ubezpieczenia społecznego." class="xfigimg" src="/files/ftp_upload/63848/63848fig01.jpg" data-altupdatedat="1788282455000" data-alt="Rysunek 1"> 
Rysunek 1: Ilustracja formularza rejestracji pacjenta w narzędziu internetowym. <a href="https://www.jove.com/files/ftp_upload/63848/63848fig01large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.</a>
<img alt="Pytanie z ankiety dotyczące zmiany masy ciała z opcjami w funtach i kilogramach." class="xfigimg" src="/files/ftp_upload/63848/63848fig02.jpg" data-altupdatedat="1788282455000" data-alt="Rysunek 2"> 
Rysunek 2: Przykład pojedynczego pytania z kwestionariusza wyświetlonego na inteligentnym tablecie. <a href="https://www.jove.com/files/ftp_upload/63848/63848fig02large.jpg" target="_blank">Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tego rysunku.</a>
<img alt='Pole wprowadzania numeru ubezpieczenia społecznego z przyciskiem „Dalej” służącym do przesyłania danych.' class="xfigimg" src="/files/ftp_upload/63848/63848fig03.jpg" data-altupdatedat="1788282455000" data-alt="Rysunek 3"> 
Rysunek 3: Zrzut ekranu strony z prośbą o podanie wymaganego numeru ubezpieczenia społecznego przed wypełnieniem kwestionariusza diagnostycznego. <a href="https://www.jove.com/files/ftp_upload/63848/63848fig03large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.</a>
<img alt="Wynik diagnozy bulimii objadaczej 96%, kobieta, 45 lat, BMI 24,5, wykres prawdopodobieństwa, analiza medyczna." class="xfigimg" src="/files/ftp_upload/63848/63848fig04.jpg" data-altupdatedat="1788282455000" data-alt="Rysunek 4"> 
Rysunek 4: Przykład strony z wynikiem zawierającej rekomendowaną diagnozę i szacowaną dokładność (w tym przypadku 100%) wyświetlane za pomocą narzędzia internetowego. Strona z wynikiem pokazuje również datę, płeć, wiek i BMI pacjenta. Na górze klinicyści mogą wybrać diagnozę. <a href="https://www.jove.com/files/ftp_upload/63848/63848fig04large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.</a>
<img alt="Odpowiedzi w ankiecie dotyczącej zachowań żywieniowych 45-letniej kobiety, pokazujące schematy i częstotliwość posiłków." class="xfigimg" src="/files/ftp_upload/63848/63848fig05.jpg" data-altupdatedat="1788282455000" data-alt="Rycina 5"> 
Rycina 5: Odpowiedzi w kwestionariuszu i ich związek z sugerowaną diagnozą. Kolor czerwony wskazuje na silny związek, a kolor morski na słaby związek. <a href="https://www.jove.com/files/ftp_upload/63848/63848fig05large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody >
		<tr >
			<td ></td >
			<td >Kobiety (n = 869)</td >
			<td >Mężczyźni (n = 80)</td >
			<td >Suma (n = 949)</td >
		</tr >
		<tr >
			<td >Wiek</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 >Wzrost</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 >Masa ciała</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>
Tabela 1: Dane demograficzne 949 pacjentów włączonych do opracowania algorytmu diagnostycznego. Wartości przedstawiono jako medianę (dolny kwartyl - górny kwartyl).
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody >
		<tr >
			<td >Diagnoza</td>
			<td >Diagnoza klinicysty</td>
			<td >Diagnoza algorytmu</td>
			<td >Dokładność (%)</td>
		</tr >
		<tr >
			<td >AN</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 >BED</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>
Tabela 2: Liczba pacjentów w każdej kategorii ED zdiagnozowana przez wykwalifikowanego klinicystę oraz decyzja i dokładność algorytmu.

Diagnozowanie zaburzeń odżywiania w służbie zdrowia jest wyzwaniem. W związku z tym w niniejszym protokole opracowano algorytm oparty na 949 odpowiedziach pacjentów na kwestionariusz, a diagnoza jest wyświetlana na łatwym w użyciu interfejsie internetowym. System ten ułatwia dokładną diagnozę zaburzeń odżywiania, wykluczając jednocześnie osoby, które uważa się za mające zaburzenia odżywiania.

Platforma komputerowa wspomagająca klinicystów w analizie i diagnozowaniu zaburzeń odżywiania

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

System decyduje, czy pacjent spełnia kryteria diagnostyczne zaburzeń odżywiania i jakiego rodzaju zaburzenia odżywiania, takie jak jadłowstręt psychiczny, bulimia lub zaburzenie z napadami objadania się. Tak więc pacjenci są bardziej szczerzy, gdy odpowiadają komputerowi niż osobie fizycznej. I, oczywiście, system oszczędza czas lekarza.Celem metody jest poprawa wiarygodności diagnozy zaburzeń odżywiania, pomoc klinicystom w wyborze osób cierpiących na zaburzenia odżywiania i skierowanie tych, którzy nie spełniają kryteriów zaburzeń odżywiania, do innych metod leczenia lub ich braku. Procedury zademonstruje Alkioni Glibi, asystent naukowy w naszym laboratorium. Po skierowaniu pacjenta przejdź do internetowej strony docelowej za pomocą dowolnej nowoczesnej przeglądarki.Użyj istniejącego konta powiązanego z lekarzem, aby zalogować się do narzędzia internetowego. Wypełnij formularz rejestracyjny pacjenta, podając identyfikator pacjenta, datę urodzenia, wiek i płeć, numer ubezpieczenia społecznego. Naciśnij przycisk Zapisz, aby zarejestrować nowego pacjenta.Otwórz aplikację do ankietowania na urządzeniu inteligentnym. Wpisz numer ubezpieczenia społecznego i datę pierwszej wizyty pacjenta. Domyślnie używana jest bieżąca data.Następnie uzupełnij informacje odpowiadające wadze, wzrostowi i wiekowi pacjenta. Następnie uzupełnij informacje odpowiadające zachowaniu, takie jak wywołane wymioty, częstotliwość przekąsek i tempo jedzenia, a następnie szczegóły odpowiadające elementom poznawczym i emocjonalnym, takim jak strach przed przybraniem na wadze i uczucie dysmorfii ciała. Naciśnij przycisk Gotowe, aby zakończyć wypełnianie kwestionariusza.Przejdź do strony docelowej za pomocą dowolnej przeglądarki internetowej. Użyj istniejącego konta, aby zalogować się do narzędzia internetowego. Wyszukaj pacjenta, korzystając z jego numeru ubezpieczenia społecznego lub identyfikatora pacjenta.Dodaj zmierzoną wagę i wzrost do systemu.Naciśnij kartę Wynik, aby uzyskać algorytmiczną decyzję, czy pacjent ma zaburzenia odżywiania, czy zaburzenia erekcji i jaki rodzaj zaburzeń erekcji. Następnie naciśnij zakładkę pytania od pierwszego do 20 lub pytania od 21 do 34, aby wyświetlić pytania, w których odpowiedzi pacjentów różnią się od odpowiedzi osób zdrowych. Wybierz ostateczną diagnozę na karcie Wynik, w oparciu o algorytm i wiedzę lekarza. Przykład strony oceny ryzyka dla zalecanej diagnozy i szacowanego prawdopodobieństwa dokładności od zera do jednego jest pokazany tutaj.Na podstawie zaleconej diagnozy i odpowiedzi kwestionariuszowych uzyskano odpowiedzi zdrowe i odbiegające od normy. Przedstawiono tutaj algorytm szacujący prawdopodobieństwo wystąpienia różnych rodzajów zaburzeń odżywiania u danej osoby. Dokładność modelu określono na 97,1 dla diagnozy zaburzeń erekcji i 82,8 dla diagnostyki zaburzeń erekcji.Kolejną zaletą systemu jest to, że dostarcza on odpowiedzi odpowiedzialnych za sugerowaną diagnozę, co pozwala systemowi uczyć klinicystów, jak lepiej diagnozować pacjentów i konsultować się z dodatkowymi pracownikami służby zdrowia w trudnych przypadkach.

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

Research

JoVE Journal

Behavior

Zachowanie

Tutaj prezentujemy protokół indukowania anoreksji opartej na aktywności (ABA) u samic dorastających myszy. ABA to stan nadpobudliwości wywołany przez nałożenie ograniczenia pokarmowego na gryzonie mające dostęp do koła do biegania. Zjawisko to jest wykorzystywane jako model do badania neurobiologii leżącej u podstaw jadłowstrętu psychicznego.

Wykorzystanie modelu gryzoni anoreksji opartej na aktywności do badania neurobiologicznych podstaw jadłowstrętu psychicznego

Badani jedzą jedzenie z talerza umieszczonego na wadze podłączonej do komputera, który rejestruje utratę wagi talerza podczas posiłku. Informacje zwrotne na ekranie komputera pozwalają badanemu dostosować swoje zachowania żywieniowe do krzywych odniesienia, normalizując w ten sposób masę ciała.

Kontrola zachowań żywieniowych za pomocą nowatorskiego systemu informacji zwrotnej

'' 'Boden Food Plate' to elektroniczny dziennik żywności, zaprojektowany jako interaktywna i zabawna metoda zbierania informacji o spożyciu za pomocą wizualnych przedstawień. Celem tego badania była walidacja aplikacji internetowej w porównaniu z tradycyjną metodą szacowania trzydniowego dzienniczka żywności.

"Boden Food Plate": nowatorska interaktywna metoda internetowa do oceny spożycia

Ten artykuł opisuje protokół rozwoju innowacyjnej aplikacji do oceny diety opartej na smartfonie Traqq, w tym oceny ekspertów i testy użyteczności.

Iteracyjny rozwój innowacyjnego narzędzia do oceny diety opartego na smartfonach: Traqq

Ten protokół pokazuje i wyjaśnia nową, opartą na technologii metodę oceny diety. Metoda składa się z tacy jadalnej z wieloma wbudowanymi wagami i kamerą wideo. Urządzenie jest wyjątkowe w tym sensie, że zawiera zautomatyzowane pomiary spożycia żywności i napojów oraz zachowań żywieniowych w trakcie posiłku.

Opracowanie koncepcji i wykorzystanie zautomatyzowanej metody oceny spożycia żywności i zachowań żywieniowych

Prezentujemy otwartoźródłową platformę wirtualnych agentów do przeprowadzania wywiadów motywacyjnych w czasie rzeczywistym, łączącą najnowocześniejszy język i modele dyfuzji, aby dostosować się do zachowań i profilu użytkowników. Wykorzystując platformę Greta 2.0, wspiera różne tematy, w tym interwencje związane z żywieniem i sportem, oferując elastyczne, zweryfikowane narzędzie do ulepszania cyfrowych interakcji terapeutycznych.

Wirtualny agent do motywacyjnego wywiadu w czasie rzeczywistym poprzez integrację adaptacyjnych modeli zachowań niewerbalnych i językowych

Ten artykuł przedstawia protokół dla kontekstowego i podpowiedzianego testu warunkowania strachu przy użyciu systemu analizy wideo do oceny uczenia się strachu i pamięci u myszy.

Kontekstowy i sygnalizowany test warunkowania strachu przy użyciu systemu analizy wideo u myszy

Przetestowaliśmy użyteczność aplikacji opartej na tablecie (EmoCogMeter) w badaniu wpływu wieku na funkcje poznawcze. Wyniki wskazują na związany z wiekiem spadek funkcji poznawczych, co dowodzi użyteczności naszej aplikacji. Wyniki badań podkreślają ogromny potencjał kliniczny i praktyczny aplikacji opartej na tabletach do wykrywania i monitorowania dysfunkcji poznawczych.

Ocena zmian funkcji poznawczych związanych z wiekiem za pomocą EmoCogMeter, nowatorskiego podejścia opartego na tabletach i komputerach

Ten artykuł opisuje, jak wykorzystać emocjonalne zadanie dziwaka i fMRI do pomiaru aktywacji mózgu u dzieci i młodzieży z rodzinnie wysokim ryzykiem schizofrenii (FHR). FMRI zostało użyte do pomiaru różnic w regionach czołowo-prążkowo-limbicznych podczas emocjonalnego dziwnego zadania. Dzieci z FHR wykazywały nieprawidłową aktywację funkcjonalną w okresie dojrzewania.

Pomiar aktywności czołowo-limbicznej za pomocą emocjonalnego zadania dziwacznego u dzieci z rodzinnym wysokim ryzykiem schizofrenii

Zawartość tłuszczu w diecie wpływa zarówno na spożycie energii, jak i skład tkanki tłuszczowej u ssaków. Badając preferencje szczurów do pokarmów o wysokiej zawartości tłuszczu w serii eksperymentów z wyboru, możliwe jest przetestowanie różnic genetycznych i interwencji farmakologicznych dotyczących ich preferencji dla pokarmów o wysokiej zawartości tłuszczu.

Preferencja tłuszczowa: nowy model zachowań żywieniowych u szczurów

Poznaj algorytm komputerowy wspomagający diagnostykę zaburzeń odżywiania z dokładnością 97,1%. System analizuje odpowiedzi pacjentów z kwestionariusza, pomagając klinicystom w szybszej i bardziej wiarygodnej diagnozie.

Platforma komputerowa wspomagająca klinicystów w analizie i diagnozowaniu zaburzeń odżywiania

Przeglądaj więcej filmów