Методическая статья

Компьютерная платформа для оказания помощи клиницистам в анализе и диагностике расстройств пищевого поведения

DOI:

10.3791/63848

⸱

10 мая 2022 г.

 ,  ,  ,  ,  ,  , 
1Department of Neurobiology, Care Sciences and Society, Karolinska Institutet, 2Mandometer Clinic

В этой статье

Краткое содержание

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Диагностика расстройств пищевого поведения в здравоохранении является сложной задачей. Поэтому настоящий протокол разрабатывает алгоритм, основанный на ответах 949 пациентов на анкету, при этом диагноз отображается на простом в использовании веб-интерфейсе. Эта система облегчает точную диагностику расстройств пищевого поведения, исключая тех, кто, как считается, имеет расстройство пищевого поведения.

Аннотация

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Расстройства пищевого поведения (нервная анорексия, нервная булимия, расстройство пищевого поведения и другие определенные расстройства пищевого поведения или питания) имеют общую распространенность 13% и связаны с тяжелыми физическими и психосоциальными проблемами. Ранняя диагностика, которая важна для эффективного лечения и предотвращения нежелательных долгосрочных последствий для здоровья, создает проблемы среди неспециалистов, незнакомых с этими пациентами, таких как те, кто работает в первичной медико-санитарной помощи. Ранняя, точная диагностика, особенно в первичной медико-санитарной помощи, позволяет проводить экспертные вмешательства достаточно рано при расстройстве, чтобы облегчить положительные результаты лечения. Компьютерные диагностические процедуры предлагают возможное решение этой проблемы путем предоставления экспертных знаний с помощью алгоритма, который был разработан из большого числа случаев, которые были диагностированы лично экспертами-диагностами и экспертами по уходу. На основе этих данных была разработана веб-система для определения точного диагноза для пациентов с подозрением на расстройство пищевого поведения. Процесс автоматизирован с использованием алгоритма, который оценивает вероятность наличия у респондента расстройства пищевого поведения и тип расстройства пищевого поведения у человека. Система предоставляет отчет, который работает как вспомогательное средство для клиницистов во время диагностического процесса и служит образовательным инструментом для новых клиницистов.

Введение

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Диета и связанное с ней увеличение физической активности являются известными причинами нервной анорексии и других расстройств пищевого поведения1. Наиболее распространенными расстройствами пищевого поведения, упомянутыми в диагностическом руководстве по психическим расстройствам (DSM-5), являются нервная анорексия (AN), нервная булимия (BN), расстройство пищевого поведения (BED) и другие определенные расстройства питания или пищевого поведения (OSFED)2. Эти расстройства в первую очередь затрагивают женщин и сопровождаются тяжелыми осложнениями физического и/или психосоциального здоровья и дистрессом3. Примерно 13% женщин страдают от расстройств пищевого поведения4, а распространенность АН у женщин оценивается в 0,3%-1% на протяжении всей их жизни, причем еще более высокий процент женщин страдает от БН5.

Множество факторов риска связано со специфическими расстройствами пищевого поведения. Диета в раннем подростковом возрасте и низкий индекс массы тела (ИМТ) увеличивают риск РАЗВИТИЯ АН у женщин, но раннее половое созревание, тонкоидеальная интернализация, неудовлетворенность телом, негативный аффект и дефицит социальной поддержки не6. Среди факторов, которые предсказывают начало БН, являются проблемы с весом, неудовлетворенность телом, стремление к худобе, неэффективность, низкая интероцептивная осведомленность и диета, но не перфекционизм, страхи зрелости, межличностное недоверие или ИМТ6. Хотя существуют симптоматические различия между различными типами расстройств пищевого поведения, существует сходство в факторах риска. Это говорит о том, что патология питания и неадаптивное пищевое поведение (диета) являются общими факторами риска для всех расстройств пищевого поведения.

Действительно, патология пищевого поведения заметна при расстройствах пищевого поведения. Однако сложность определения и количественной оценки патологического пищевого поведения в сочетании с тем фактом, что диагноз в первую очередь опирается на субъективное описание размеров симптома, может сделать границы между диагнозами неясными7. Этот вопрос затрудняет диагностику расстройств пищевого поведения, особенно для практикующих врачей, незнакомых с пациентами с расстройствами пищевого поведения, таких как врачи первичной медико-санитарной помощи.

Медицинские работники первичной медико-санитарной помощи часто первыми обращаются к лицам, страдающим расстройством пищевого поведения. Учитывая важность раннего выявления и вмешательства для благоприятного прогноза, поставщики медицинских услуг должны иметь инструменты, которые помогут им распознать эти расстройства. Поэтому диагноз должен быть определен быстро и точно, чтобы не допустить задержек в их лечении специалистами.

Одним из способов достижения этой диагностической цели является оцифровка и автоматизация анкет относительно их симптомов. Дополнительным преимуществом этого метода может быть то, что ответы более правдивы, поскольку исследования показывают, что пациенты доверяют виртуальным терапевтам больше, чем врачам-людям для обсуждения проблем психического здоровья8. Другим потенциальным преимуществом является повышение надежности диагностики, причем некоторые исследования показывают, что компьютерная диагностика может иметь более высокую надежность, чем личные диагнозы 9,10.

В настоящем протоколе был разработан алгоритм, основанный на ответах на открытые и закрытые вопросы о физическом состоянии, поведении, эмоциях и мыслях 949 последовательно направленных пациентов (демографические данные см. в таблице 1). Из 949 участников 91,6% (869) были женщинами, 18,0% имели АН, 19,0% BN, 13,5% BED, 36,8% OSFED, 6,8% ожирение (OB) и 5,9% не имели расстройства пищевого поведения (no ED). Алгоритм оценивает как вероятность наличия расстройства пищевого поведения, так и вывод о том, какой тип расстройства пищевого поведения имеет человек. Пункты анкеты основаны на критериях DSM-5 для расстройств питания и пищевого поведения и диагностических особенностях AN, BN, BED и OSFED. OB (избыток жира в организме) не включен в DSM-5 как психическое расстройство. Тем не менее, существуют надежные ассоциации между OB и BED2. Пункты анкеты сгруппированы в три категории: (1) Состояния, такие как ИМТ, потеря /увеличение веса в течение последнего года и самоиндуцированная рвота. (2) Поведение, включая схемы питания, диеты, взвешивание, самоиндуцированную рвоту, изоляцию от друзей и семьи и избегание деятельности. (3) Познания / мысли, такие как желаемый вес, боязнь потерять контроль, переедание, мысли о еде, вера в себя толстым, когда другие говорят, что вы слишком худый, и реакция на увеличение веса. Алгоритм основан на безусловном дискриминантном анализе, который присваивает веса элементам поэтапно, выявляя наиболее разборчивые элементы для каждого из пяти диагнозов. Диагностическая информация отображается на простом в использовании веб-интерфейсе.

Протокол

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Вся работа над подопытными и пациентами была одобрена Шведским органом по этической экспертизе, Швеция (D. nr: 2019-05505). Перед регистрацией в системе все физические лица предоставили письменное согласие на хранение, обработку и анализ своих данных. Пациенты направлялись в клинику для специализированного лечения расстройств пищевого поведения либо по направлению врача, либо по самостоятельному направлению. Страдание от расстройства пищевого поведения было критерием включения для пациентов.

1. Регистрация пациентов клиницистами

ПРИМЕЧАНИЕ: Регистрация пациента (рисунок 1) осуществляется клиницистом с использованием разработанного пользовательского веб-инструмента (см. Таблицу материалов).

  1. Перейдите на целевую веб-страницу с помощью любого современного браузера при направлении пациента.
  2. Используйте существующую учетную запись, связанную с врачом, чтобы войти в веб-инструмент.
  3. Заполните регистрационную форму пациента, указав удостоверение личности пациента, номер социального страхования, дату рождения, возраст и пол.
  4. Нажмите кнопку Сохранить , чтобы зарегистрировать нового пациента. На этом этапе процедуру можно приостановить, а затем перезапустить.

2. Анкета для пациентов

ПРИМЕЧАНИЕ: Пациент заполняет анкету на смарт-устройстве с помощью пользовательского приложения, разработанного в веб-инструменте (см. Таблицу материалов). Если пациент является несовершеннолетним, анкету заполняет родитель или опекун. Их данные организованы в тематические блоки. После того, как ответ на каждый вопрос завершен, система представляет следующий вопрос (рисунок 2).

  1. Откройте приложение анкеты на смарт-устройстве.
  2. Заполните номер социального страхования пациентов (рисунок 3).
  3. Укажите дату первого визита; по умолчанию используется текущая дата.
  4. Заполните информацию, соответствующую весу, росту и возрасту пациентов.
  5. Заполните информацию, соответствующую поведению, такому как вызванная рвота, частота перекусов и частота приема пищи.
  6. Заполните детали, соответствующие когнитивным и эмоциональным элементам, таким как страх набрать вес и чувство дисморфии тела.
  7. Нажмите кнопку Готово , чтобы заполнить анкету. На этом этапе анкета может быть приостановлена, а затем перезапущена позже.

3. Оценка риска клиницистами

ПРИМЕЧАНИЕ: Оценка риска (рисунок 4) извлекается и используется клиницистом с помощью пользовательского веб-инструмента (см. Таблицу материалов).

  1. Перейдите на целевую веб-страницу с помощью любого веб-браузера. Используйте существующую учетную запись для входа в веб-инструмент.
  2. Поиск пациента по номеру социального страхования пациента или удостоверению личности пациента.
  3. Добавьте в систему измеренный вес и рост.
  4. Нажмите вкладку «Результат », чтобы получить алгоритмическое решение о том, есть ли у пациента ЭД и, если да, то какой тип ЭД.
  5. Нажмите вкладку Вопросы 1-20 или Вопросы 21-34, чтобы отобразить вопросы, где ответы пациентов отклоняются от ответов здоровых людей.
  6. Выберите окончательный диагноз на вкладке «Результат» на основе алгоритма и опыта клинициста.

Результаты

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Регистрация пациента, описанная на этапе 1, осуществляется клиницистом, заполняющим форму, представленную на рисунке 1 в компьютеризированных медицинских картах. Как только клиницист регистрирует нового пациента, заявка переходит к шагу 2, который позволяет пациенту заполнить анкету. Чтобы запустить анкету, пациенту или клиницисту сначала необходимо ввести номер социального страхования (или ID) пациента в приложение на смарт-устройстве (рисунок 3), после чего приложение отображает первый пункт анкеты. На рисунке 2 показан снимок экрана одного элемента из диагностической анкеты. После выбора ответа на элемент анкеты приложение переходит к следующему элементу. Пациенты не могут вернуться назад, чтобы изменить ответы на предыдущие вопросы, и если анкета преждевременно прекращена, ответы все равно сохраняются, и пользователь может вернуться, чтобы заполнить недостающие пункты. После того, как на все вопросы будут даны ответы, приложение автоматически закрывается.

После заполнения анкеты страница оценки риска, представленная на рисунке 4 , доступна клиницисту через веб-интерфейс. Клиницисты могут просмотреть рекомендуемый диагноз на странице «Результат» вместе с оценочной вероятностью точности от 0 до 1 (т.е. 100% диапазона), основываясь на автоматическом вычислении факторов риска анкеты. Нажав на вкладку «Вопросы 1-20» или «Вопросы 21-34», клиницисты могут просмотреть здоровые ответы (бирюзовый цвет) и отклоняющиеся ответы (красный цвет), которые привели к предложенному диагнозу (рисунок 5). Алгоритм (см. Таблицу материалов) оценивает как вероятность наличия расстройства пищевого поведения, так и вывод о том, какой тип расстройства пищевого поведения имеет человек. Точность модели составляет 97,1% для диагноза ЭД и 82,8% для диагнозов ЭД (таблица 2). Диагностическая информация отображается на простом в использовании веб-интерфейсе. Эта информация дает клиницистам уверенность в их решении, если алгоритмический диагноз согласуется с собственной оценкой клинициста. Если алгоритмический диагноз не согласуется с оценкой клинициста, клиницисту рекомендуется обратиться за вторым мнением к другим медицинским работникам. Система также позволяет клиницистам обучать себя, чтобы стать лучше в диагностике пациентов, просматривая конкретные вопросы, которые, как ожидается, будут отклоняться от здорового человека во вкладках вопросов, и рассматривая сложные случаи с другими медицинскими работниками.

figure-results-1
Рисунок 1: Иллюстрация формы регистрации пациента в веб-инструменте. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

figure-results-2
Рисунок 2: Пример одного элемента анкеты, отображаемого на смарт-планшете. Нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

figure-results-3
Рисунок 3: Снимок страницы с запросом требуемого номера социального страхования перед заполнением диагностической анкеты. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

figure-results-4
Рисунок 4: Пример страницы результатов с рекомендуемой диагностикой и предполагаемой точностью (в данном случае 100%), отображаемой с помощью веб-инструмента. На странице результатов также отображается дата, пол, возраст и ИМТ пациента. Наверху клиницисты могут выбрать диагноз. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

figure-results-5
Рисунок 5: Ответы на вопросник и их связь с предлагаемым диагнозом. Красный цвет указывает на высокую ассоциацию, а чирок предполагает низкую ассоциацию. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Женский (n = 869)Мужчина (n = 80)Итого (n = 949)
Возраст21.0 (17.0 - 30.0)21.0 (15.0 - 33.5)21.0 (17.0 - 30.0)
Высота167.0 (162.0 - 170.0)176.5 (169.0 - 183.0)167.0 (162.0 - 171.0)
Вес58.2 (50.0 - 75.0)71.5 (57.0 - 97.0)59.1 (50.0 - 76.5)
ИМТ20.9 (17.8 - 26.7)21.3 (18.0 - 31.2)21 (17.9 - 27.1)

Таблица 1: Демографические данные 949 пациентов, включенных для разработки диагностического алгоритма. Значения выражаются как медиана (нижний квартиль - верхний квартиль).

ДиагнозКлиническая диагностикаАлгоритм диагностикиТочность (%)
Ан17117287.1
Млрд18018182.2
Кровать12813881.3
ОСФЕД34932879.9
Обь657490.8

Таблица 2: Количество пациентов в каждой категории ЭД, диагностированных квалифицированным клиницистом, а также решение и точность алгоритма.

Обсуждение

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ранняя и точная диагностика расстройств пищевого поведения имеет решающее значение для начала соответствующего лечения, улучшения результатов лечения и снижения плохих результатов для здоровья1. Чтобы определить диагноз, клиницисты должны обрабатывать большие объемы психологической и физиологической информации, а большое количество данных делает диагностику трудоемкой задачей с высоким риском ошибочного диагноза.

Система, описанная здесь, ускоряет процесс принятия решений, предоставляя автоматическую диагностику на основе вопросника. Кроме того, это позволяет клиницистам просматривать конкретные ответы, которые отклоняются от ожидаемых реакций здорового человека. Система была разработана с учетом потребностей клиницистов, поэтому анкета достаточно проста для заполнения пациентом в одиночку, что еще больше сокращает время, необходимое клиницистам при рассмотрении диагноза. По той же причине ответы сохраняются на входе, гарантируя, что процесс может быть приостановлен в любое время. Проблемы с подключением к компьютеру и другие прерывания не требуют повторения всего процесса.

Ограничение протокола заключается в том, что диагностическое предложение не может быть рассчитано, если не были заполнены все пункты анкеты. Другим ограничением является то, что медицинские измерения, такие как кровяное давление и периферическая температура, не включены в систему, но должны оцениваться клиницистами или врачами.

Существует несколько цифровых инструментов для диагностики расстройств пищевого поведения, таких как полуструктурированные электронные интервью11, но в настоящее время нет диагностических алгоритмов, основанных на DSM-5 или Международной классификации болезней,11-й пересмотр (МКБ-11). Основная проблема с доступными подходами заключается в том, что они не обеспечивают простой способ для клиницистов получить помощь в диагностике или сообщить, что представляет собой нездоровые ответы. Нынешняя система предназначена для использования как в первичной медико-санитарной помощи, медицинскими работниками, мало знающими о расстройствах пищевого поведения, так и в специализированных клиниках для обсуждения более сложных случаев, помогая клиницистам в процессе принятия решений при диагностике расстройств пищевого поведения. Эта система приводит к улучшению качества медицинской помощи, сокращению времени и усилий клиницистов и обеспечивает повышенную эффективность для клинициста в их повседневной практике.

Диагностический алгоритм в настоящее время основан на одной анкете и позволяет системе научить клиницистов лучше диагностировать пациентов и консультироваться с другими медицинскими работниками в сложных случаях. Будущее развитие системы должно также включать медицинские данные. Кроме того, прогностическая способность алгоритма может быть улучшена путем уточнения анкеты, замены избыточных, неинформативных пунктов более релевантными. Необходимо также рассмотреть вопрос о продольном подходе. Если пациент получает соответствующее лечение, важно следить за прогрессированием его здоровья с течением времени. Многие пункты вопросника по-прежнему актуальны для последующего подхода. Тем не менее, анкета и алгоритм должны быть переформулированы, чтобы создать индекс для измерения прогрессирования здоровья.

Раскрытие информации

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,


Здесь предполагается полная открытость в отношении финансовых механизмов. Бродин заявляет, что у него нет финансовых интересов, связанных с этим исследованием. Наши исследования проводятся в Каролинском институте, где Сёдерстен является почетным профессором. Исследование клинически переведено Mando Group AB, компанией, основанной Södersten и Bergh, у которых по 47,5% акций. Профессор Майкл Леон из Калифорнийского университета в Ирвине имеет оставшиеся 5%. Mando Group AB каждые пять лет заключает контракты с Регионом Стокгольм для лечения пациентов с расстройствами пищевого поведения. Mando Group AB подписала свой первый контракт в 1997 году с Регионом Стокгольм, и с тех пор его лечение является одним из стандартов ухода, предлагаемого гражданам Стокгольма. Mando Group AB выиграла последний тендер, и в настоящее время в четырех больницах Стокгольма есть клиники Mandometer. Эта договоренность аналогична тому, когда Регион Стокгольм заключает контракты со своими собственными клиниками для лечения пациентов со всеми видами заболеваний, включая расстройства пищевого поведения. То есть, Регион Стокгольм предоставляет услуги по расстройствам пищевого поведения гражданам Стокгольма как через собственную клинику, так и через Mando Group AB. Все здравоохранение в Швеции финансируется через налоговую систему; частная оплата крайне редка. Следует добавить, во-первых, что Mando Group AB соблюдает рекомендацию Международного комитета редакторов медицинских журналов «Обязанности автора — конфликт интересов», http://www.icmje.org/recommendations/browse/rolesand-responsibilities/. Во-вторых, следует также добавить, что вся прибыль, полученная Mando Group AB, была реинвестирована в исследования и разработки, и владельцам акций не было дивидендов. Все вышеперечисленное заявлено во всех рукописях, и до сих пор журналы сочли необходимым опубликовать только некоторые детали. Похоже, однако, что потенциальная этическая проблема, когда ученые переводят результат

Благодарности

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Эта работа финансировалась Стокгольмским регионом.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
Компьютерная платформа для помощи клиницистам в анализе и диагностике расстройств пищевого поведенияMandoPending Assignment
Claris FileMaker Go 19Claris-Forpatient registration, пользовательское приложение для анкетирования, оценка рисков
iPad 7-го поколения (2019)AppleA2197

Ссылки

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Treasure, J., Duarte, T. A., Schmidt, U. Eating disorders. Lancet. 395 (10227), London, England. 899-911 (2020).
  2. American Psychiatric Association. Diagnostic and Statistical Manual of Mental Disorders, 5th Edition. , American Psychiatric Publishing. Washington, DC. DSM-5 (2013).
  3. 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).
  4. 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).
  5. 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).
  6. 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).
  7. 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).
  8. 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).
  9. 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).
  10. Richens, J. G., Lee, C. M., Johri, S. Improving the accuracy of medical diagnosis with causal machine learning. Nature Communications. 11 (1), 3923(2020).
  11. 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).

Перепечатки и разрешения

Запросить разрешение на повторное использование текста или иллюстраций этой статьи JoVE

Запросить разрешение

Теги

Похожие статьи