Summary
Diagnosticar los trastornos alimentarios en la atención médica es un desafío. Por lo tanto, el presente protocolo desarrolla un algoritmo basado en 949 respuestas de pacientes a un cuestionario, con el diagnóstico mostrado en una interfaz basada en la web fácil de usar. Este sistema facilita el diagnóstico preciso de los trastornos alimentarios al tiempo que excluye a aquellos que se cree que tienen un trastorno alimentario.
Abstract
Los trastornos alimentarios (anorexia nerviosa, bulimia nerviosa, trastorno por atracón y otros trastornos específicos de la alimentación o la alimentación) tienen una prevalencia combinada del 13% y se asocian con problemas físicos y psicosociales graves. El diagnóstico temprano, que es importante para el tratamiento efectivo y la prevención de consecuencias indeseables para la salud a largo plazo, impone problemas entre los médicos no especializados que no están familiarizados con estos pacientes, como los que trabajan en la atención primaria. El diagnóstico temprano y preciso, particularmente en la atención primaria, permite intervenciones expertas lo suficientemente tempranas en el trastorno para facilitar resultados positivos del tratamiento. Los procedimientos de diagnóstico asistidos por computadora ofrecen una posible solución a este problema al proporcionar experiencia a través de un algoritmo que se ha desarrollado a partir de un gran número de casos que han sido diagnosticados en persona por diagnosticadores expertos y cuidadores expertos. Se desarrolló un sistema basado en la web para determinar un diagnóstico preciso para pacientes sospechosos de sufrir un trastorno alimentario basado en estos datos. El proceso se automatiza utilizando un algoritmo que estima la probabilidad del encuestado de tener un trastorno alimentario y el tipo de trastorno alimentario que tiene el individuo. El sistema proporciona un informe que funciona como una ayuda para los médicos durante el proceso de diagnóstico y sirve como una herramienta educativa para los nuevos médicos.
Introduction
La dieta y un aumento asociado en la actividad física son las causas conocidas de la anorexia nerviosa y otros trastornos alimentarios1. Los trastornos alimentarios más comunes mencionados en el manual de diagnóstico de los trastornos mentales (DSM-5) son la anorexia nerviosa (AN), la bulimia nerviosa (BN), el trastorno por atracón (BED) y otros trastornos específicos de la alimentación o la alimentación (OSFED)2. Estos trastornos afectan principalmente a las mujeres y se acompañan de graves complicaciones de salud física y/o psicosocial y angustia3. Aproximadamente el 13% de las mujeres sufren de trastornos alimentarios4, y la prevalencia de AN en las mujeres se estima en 0,3%-1% a lo largo de sus vidas, con un porcentaje aún mayor de mujeres que sufren de BN5.
Una multitud de factores de riesgo se asocia con trastornos alimentarios específicos. La dieta durante la adolescencia temprana y un índice de masa corporal (IMC) bajo aumenta el riesgo de AN en las mujeres, pero la pubertad temprana, la internalización ideal delgada, la insatisfacción corporal, el afecto negativo y los déficits de apoyo social no lo hacen6. Entre los factores que predicen el inicio de la BN se encuentran las preocupaciones de peso, la insatisfacción corporal, el impulso por la delgadez, la ineficacia, la baja conciencia interoceptiva y la dieta, pero no el perfeccionismo, los temores de madurez, la desconfianza interpersonal o el IMC6. Si bien existen diferencias sintomáticas entre los diversos tipos de trastornos alimentarios, existe una similitud en los factores de riesgo. Esto sugiere que la patología alimentaria y el comportamiento alimentario desadaptativo (dieta) son factores de riesgo comunes en todos los trastornos alimentarios.
De hecho, la patología alimentaria es notoria en los trastornos alimentarios. Sin embargo, la dificultad de definir y cuantificar el comportamiento alimentario patológico, combinada con el hecho de que el diagnóstico se basa principalmente en la descripción subjetiva de las dimensiones de los síntomas, puede hacer que los límites entre los diagnósticos parezcan poco claros7. Este problema dificulta el diagnóstico de los trastornos alimentarios, especialmente para los profesionales de la salud que no están familiarizados con los pacientes con trastornos alimentarios, como los médicos de atención primaria.
Los profesionales de la salud en la atención primaria son a menudo los primeros en ser abordados por personas que sufren de un trastorno alimentario. Dada la importancia de la detección temprana y la intervención para un pronóstico favorable, los proveedores de atención deben tener las herramientas para ayudarlos a reconocer estos trastornos. Por lo tanto, un diagnóstico debe determinarse de manera rápida y precisa para evitar retrasos en su tratamiento por parte de los especialistas.
Una forma de lograr este objetivo diagnóstico es digitalizar y automatizar los cuestionarios sobre sus síntomas. Un beneficio adicional de este método podría ser que las respuestas son más veraces, ya que los estudios sugieren que los pacientes confían más en los terapeutas virtuales que en los médicos humanos para discutir problemas de salud mental8. Otro beneficio potencial es el aumento de la confiabilidad diagnóstica, con algunos estudios que sugieren que los diagnósticos por computadora pueden tener una mayor confiabilidad que los diagnósticos en persona 9,10.
En el presente protocolo, se ha desarrollado un algoritmo basado en las respuestas a preguntas abiertas y cerradas sobre condición física, comportamiento, emociones y pensamientos de 949 pacientes referidos consecutivamente (para datos demográficos, ver Tabla 1). De los 949 participantes, el 91,6% (869) eran mujeres, el 18,0% tenían AN, el 19,0% BN, el 13,5% BED, el 36,8% OSFED, el 6,8% obesidad (OB) y el 5,9% no tenían trastorno alimentario (No ED). El algoritmo estima tanto la probabilidad de tener un trastorno alimentario como la conclusión sobre qué tipo de trastorno alimentario tiene el individuo. Los ítems del cuestionario se basan en los criterios del DSM-5 para los trastornos de la alimentación y la alimentación y las características diagnósticas de AN, BN, BED y OSFED. Ob (exceso de grasa corporal) no está incluido en el DSM-5 como un trastorno mental. Sin embargo, existen asociaciones sólidas entre OB y BED2. Los ítems del cuestionario se agrupan en tres categorías: (1) Condiciones, como IMC, pérdida/aumento de peso durante el último año y vómitos autoinducidos. (2) Comportamientos que incluyen patrones de alimentación, dieta, pesarse, vómitos autoinducidos, aislamiento de amigos y familiares, y evitar actividades. (3) Cogniciones / pensamientos, como el peso deseado, tener miedo de perder el control, comer en exceso, pensamientos sobre la comida, creer que uno mismo está gordo cuando otros dicen que está demasiado delgado y la reacción al aumento de peso. El algoritmo se basa en un análisis discriminante incondicional que asigna pesos a los elementos de forma escalonada, identificando los elementos más discriminadores para cada uno de los cinco diagnósticos. La información de diagnóstico se muestra en una interfaz basada en web fácil de usar.
Protocol
Todo el trabajo en sujetos y pacientes experimentales fue aprobado por la Autoridad Sueca de Revisión Ética, Suecia (D. nr: 2019-05505). Antes del registro en el sistema, todas las personas dieron su consentimiento por escrito para el almacenamiento, manejo y análisis de sus datos. Los pacientes fueron remitidos a la clínica para recibir tratamiento especializado para los trastornos alimentarios, ya sea por derivación del médico o por autoderivación. Padecer un trastorno alimentario fue el criterio de inclusión para los pacientes.
1. Registro de pacientes por parte de los médicos
NOTA: El registro de pacientes (Figura 1) es completado por un médico utilizando una herramienta web personalizada desarrollada (consulte la Tabla de materiales).
- Navegue a la página de destino web utilizando cualquier navegador moderno después de la derivación del paciente.
- Utilice una cuenta existente asociada con un médico para iniciar sesión en la herramienta web.
- Complete el formulario de registro de pacientes, incluida la identificación del paciente, el número de seguro social, la fecha de nacimiento, la edad y el sexo.
- Pulse el botón Guardar para registrar a un nuevo paciente. En este punto, el procedimiento se puede pausar y luego reiniciar más tarde.
2. Cuestionario para pacientes
NOTA: El paciente rellena el cuestionario en un dispositivo inteligente utilizando una aplicación personalizada desarrollada en una herramienta web (ver Tabla de Materiales). Si el paciente es menor de edad, el cuestionario es completado por un padre o tutor. Sus datos están organizados en bloques temáticos. Una vez completada la respuesta a cada pregunta, el sistema presenta la siguiente pregunta (Figura 2).
- Abra la aplicación del cuestionario en un dispositivo inteligente.
- Rellene el número de seguro social de los pacientes (Figura 3).
- Rellene la fecha de la primera visita; la fecha actual se utiliza de forma predeterminada.
- Rellene la información correspondiente al peso, la altura y la edad de los pacientes.
- Complete la información correspondiente al comportamiento, como los vómitos inducidos, la frecuencia de los refrigerios y la tasa de alimentación.
- Rellene los detalles correspondientes a elementos cognitivos y emocionales como el miedo a aumentar de peso y los sentimientos de dismorfia corporal.
- Pulse el botón Listo para finalizar el cuestionario. En este punto, el cuestionario se puede pausar y luego reiniciar más tarde.
3. Evaluación de riesgos por parte de los médicos
NOTA: La evaluación de riesgos (Figura 4) es recuperada y utilizada por el médico utilizando una herramienta web personalizada (consulte la Tabla de materiales).
- Navegue a la página de destino web utilizando cualquier navegador web. Utilice una cuenta existente para iniciar sesión en la herramienta web.
- Busque al paciente usando el número de seguro social o la identificación del paciente.
- Agregue peso y altura medidos al sistema.
- Presione la pestaña Resultado para obtener la decisión algorítmica de si el paciente tiene un DE y, de ser así, qué tipo de DE.
- Presione la pestaña Preguntas 1-20, o Preguntas 21-34, para mostrar las preguntas donde las respuestas de los pacientes se desvían de las respuestas de individuos sanos.
- Seleccione un diagnóstico final en la pestaña Resultado , según el algoritmo y la experiencia del médico.
Representative Results
El registro del paciente descrito en el paso 1 es llevado a cabo por un médico que completa el formulario presentado en la Figura 1 en los registros médicos computarizados. Una vez que el médico registra a un nuevo paciente, la aplicación pasa al paso 2, que permite al paciente completar el cuestionario. Para iniciar el cuestionario, el paciente o el médico primero deben ingresar el número de seguro social (o ID) del paciente en la aplicación en un dispositivo inteligente (Figura 3), después de lo cual la aplicación muestra el primer elemento del cuestionario. La figura 2 muestra una captura de pantalla de un elemento del cuestionario de diagnóstico. Una vez que se selecciona una respuesta a un elemento del cuestionario, la aplicación pasa al siguiente elemento. Los pacientes no pueden volver atrás para alterar la respuesta de las preguntas anteriores, y si el cuestionario se termina prematuramente, las respuestas aún se guardan y el usuario puede volver a completar los elementos faltantes. Una vez que se han respondido todas las preguntas, la aplicación se cierra automáticamente.
Una vez completado el cuestionario, la página de evaluación de riesgos presentada en la Figura 4 está disponible para el médico a través de una interfaz web. Los médicos pueden ver el diagnóstico recomendado en la página 'Resultado', junto con la probabilidad estimada de precisión de 0-1 (es decir, un rango del 100%), basado en un cálculo automático de los factores de riesgo del cuestionario. Al presionar la pestaña 'Preguntas 1-20' o 'Preguntas 21-34', los médicos pueden ver las respuestas saludables (color turquesa) y las respuestas desviadas (color rojo) que resultaron en el diagnóstico sugerido (Figura 5). El algoritmo (ver Tabla de Materiales) estima tanto la probabilidad de tener un trastorno alimentario como la conclusión sobre qué tipo de trastorno alimentario tiene el individuo. La precisión del modelo es del 97,1% para tener un DE y del 82,8% para los diagnósticos de DISFUNCIÓN (Tabla 2). La información de diagnóstico se muestra en una interfaz basada en web fácil de usar. Esta información proporciona a los médicos confianza en su decisión si el diagnóstico algorítmico concuerda con la propia evaluación del médico. Si el diagnóstico algorítmico no concuerda con la evaluación del médico, se alienta al médico a buscar una segunda opinión de otros profesionales de la salud. El sistema también permite a los médicos capacitarse para mejorar en el diagnóstico de los pacientes al ver las preguntas específicas que se espera que se desvíen de un individuo sano en las pestañas de preguntas y al revisar los casos difíciles con otros profesionales de la salud.
Figura 1: Ilustración del formulario de registro de pacientes en la herramienta web. Haga clic aquí para ver una versión más grande de esta figura.
Figura 2: Muestra de un solo elemento del cuestionario que se muestra en una tableta inteligente. Haga clic aquí para ver una versión más grande de esta figura.
Figura 3: Instantánea de la página que solicita el número de seguro social requerido antes de completar el cuestionario de diagnóstico. Haga clic aquí para ver una versión más grande de esta figura.
Figura 4: Ejemplo de página de resultados con diagnóstico recomendado y precisión estimada (en este caso 100%) como se muestra utilizando la herramienta web. La página de resultados también muestra la fecha, el sexo, la edad y el IMC del paciente. En la parte superior, los médicos pueden seleccionar un diagnóstico. Haga clic aquí para ver una versión más grande de esta figura.
Figura 5: Respuestas al cuestionario y su asociación con el diagnóstico sugerido. El rojo indica una asociación alta, y el verde azulado sugiere una asociación baja. Haga clic aquí para ver una versión más grande de esta figura.
| Mujeres (n = 869) | Hombres (n = 80) | Total (n = 949) | |
| Edad | 21.0 (17.0 - 30.0) | 21.0 (15.0 - 33.5) | 21.0 (17.0 - 30.0) |
| Altura | 167.0 (162.0 - 170.0) | 176.5 (169.0 - 183.0) | 167.0 (162.0 - 171.0) |
| Peso | 58.2 (50.0 - 75.0) | 71.5 (57.0 - 97.0) | 59.1 (50.0 - 76.5) |
| IMC | 20.9 (17.8 - 26.7) | 21.3 (18.0 - 31.2) | 21 (17.9 - 27.1) |
Tabla 1: Datos demográficos de los 949 pacientes incluidos para el desarrollo del algoritmo diagnóstico. Los valores se expresan como mediana (cuartil inferior - cuartil superior).
| Diagnóstico | Diagnóstico clínico | Diagnóstico de algoritmos | Precisión (%) |
| Un | 171 | 172 | 87.1 |
| Bn | 180 | 181 | 82.2 |
| Cama | 128 | 138 | 81.3 |
| OSFED | 349 | 328 | 79.9 |
| Ob | 65 | 74 | 90.8 |
Tabla 2: Número de pacientes en cada categoría de DISFUNCIÓN diagnosticados por un médico capacitado y la decisión y precisión del algoritmo.
Discussion
El diagnóstico temprano y preciso de los trastornos alimentarios es fundamental para iniciar el tratamiento adecuado, mejorar los resultados del tratamiento y reducir los malos resultados de salud1. Para determinar un diagnóstico, los médicos deben manejar grandes cantidades de información psicológica y fisiológica, y una gran cantidad de datos hace que el diagnóstico sea una tarea que consume mucho tiempo con un alto riesgo de diagnóstico erróneo.
El sistema descrito aquí acelera el proceso de toma de decisiones al proporcionar un diagnóstico automático basado en cuestionarios. Además, permite a los médicos ver las respuestas específicas que se desvían de las respuestas esperadas de un individuo sano. El sistema se desarrolló teniendo en cuenta las necesidades de los médicos, por lo que el cuestionario es lo suficientemente simple como para ser completado solo por el paciente, lo que reduce aún más el tiempo requerido por los médicos al considerar un diagnóstico. Por la misma razón, las respuestas se guardan en la entrada, lo que garantiza que el proceso se pueda pausar en cualquier momento. Los problemas de conexión de la computadora y otras interrupciones no requieren repetir todo el proceso.
Una limitación del protocolo es que no se puede calcular una sugerencia de diagnóstico a menos que se hayan completado todos los elementos del cuestionario. Otra limitación es que las mediciones médicas, como la presión arterial y la temperatura periférica, no están incluidas en el sistema, sino que deben ser evaluadas por médicos o médicos.
Existen varias herramientas digitales para el diagnóstico de trastornos alimentarios, como las entrevistas electrónicas semiestructuradas11, pero actualmente no existen algoritmos de diagnóstico basados en el DSM-5 o la Clasificación Internacional de Enfermedades,11ª Revisión (CIE-11). El principal problema con los enfoques disponibles es que no proporcionan una forma sencilla para que los médicos reciban ayuda en el diagnóstico o comuniquen lo que constituye respuestas poco saludables. El sistema actual está destinado a ser utilizado tanto en atención primaria, por profesionales de la salud con poco conocimiento de los trastornos alimentarios, como en clínicas especializadas para discutir casos más complejos, ayudando a los médicos en el proceso de toma de decisiones durante el diagnóstico de los trastornos alimentarios. Este sistema da como resultado una mejor calidad de la atención, una reducción del tiempo y el esfuerzo de los médicos, y proporciona una mayor eficiencia para el médico en su práctica diaria.
El algoritmo de diagnóstico se basa actualmente en un cuestionario y permite al sistema enseñar a los médicos a diagnosticar mejor a los pacientes y consultar a otros profesionales de la salud en casos difíciles. El desarrollo futuro del sistema también debe incluir datos médicos. Además, la capacidad pronóstica del algoritmo se puede mejorar refinando el cuestionario, reemplazando los ítems redundantes y no informativos por otros más relevantes. También es necesario considerar un enfoque longitudinal. Si el paciente recibe el tratamiento adecuado, es esencial seguir su progresión de salud a lo largo del tiempo. Muchos ítems del cuestionario siguen siendo válidos para un enfoque de seguimiento. Sin embargo, el cuestionario y el algoritmo deben reformularse para crear un índice que mida la progresión de la salud.
Disclosures
Aquí se pretende una apertura total con respecto a los acuerdos financieros. Brodin declara que no tiene intereses financieros relacionados con este estudio. Nuestra investigación se lleva a cabo en el Instituto Karolinska, donde Södersten es profesor emérito. La investigación está traducida clínicamente por Mando Group AB, una empresa iniciada por Södersten y Bergh, que tienen el 47,5% de las acciones cada uno. El profesor Michael Leon de la Universidad de California en Irvine tiene el 5% restante. Mando Group AB contrata con la Región de Estocolmo cada cinco años para tratar a pacientes con trastornos alimentarios. Mando Group AB firmó su primer contrato en 1997 con la Región de Estocolmo y, desde entonces, su tratamiento es uno de los estándares de atención ofrecidos a los ciudadanos de Estocolmo. Mando Group AB ganó la última licitación y ahora hay clínicas de mandometro en cuatro hospitales de Estocolmo. Este acuerdo es el mismo que cuando la Región de Estocolmo contrata con sus propias clínicas para tratar a pacientes con todo tipo de enfermedades, incluidos los trastornos alimentarios. Es decir, la Región de Estocolmo ofrece servicios de trastornos alimentarios a los ciudadanos de Estocolmo tanto a través de una clínica propia como a través de Mando Group AB. Toda la asistencia sanitaria en Suecia se financia a través del sistema fiscal; el pago privado es extremadamente poco común. Cabe añadir, en primer lugar, que Mando Group AB cumple con la recomendación del Comité Internacional de Editores de Revistas Médicas sobre 'Responsabilidades del autor-Conflictos de intereses', http://www.icmje.org/recommendations/browse/rolesand-responsibilities/. En segundo lugar, también debe agregarse que todas las ganancias que Mando Group AB ha obtenido se han reinvertido en investigación y desarrollo y no ha habido dividendos para los propietarios de acciones. Todo lo anterior se declara en todas las presentaciones de manuscritos y, hasta ahora,
Acknowledgments
Este trabajo fue financiado por la Región de Estocolmo.
Materials
| Name | Company | Catalog Number | Comments |
| Computer-Based Platform for Aiding Clinicians in Eating Disorder Analysis and Diagnosis | Mando | Pending assignment | |
| Claris FileMaker Go 19 | Claris | - | For patient registration, custom app for questionnaire, risk assessment |
| iPad 7th generation (2019) | Apple | A2197 |
References
- Treasure, J., Duarte, T. A., Schmidt, U.
- American Psychiatric Association. Diagnostic and Statistical Manual of Mental Disorders, 5th Edition. , American Psychiatric Publishing. Washington, DC. DSM-5 (2013).
- Smink, F. R. E., van Hoeken, D., Hoek, H. W. Epidemiology of eating disorders: incidence, prevalence and mortality rates. Current Psychiatry Reports. 14 (4), 406-414 (2012).
- Allen, K. L., Byrne, S. M., Oddy, W. H., Crosby, R. D. DSM-IV-TR and DSM-5 eating disorders in adolescents: prevalence, stability, and psychosocial correlates in a population-based sample of male and female adolescents. Journal of Abnormal Psychology. 122 (3), 720-732 (2013).
- Preti, A., et al. The epidemiology of eating disorders in six European countries: results of the ESEMeD-WMH project. Journal of Psychiatric Research. 43 (14), 1125-1132 (2009).
- Stice, E., Gau, J. M., Rohde, P., Shaw, H. Risk factors that predict future onset of each DSM-5 eating disorder: predictive specificity in high-risk adolescent females. Journal of Abnormal Psychology. 126 (1), 38-51 (2017).
- Södersten, P., Brodin, U., Zandian, M., Bergh, C. E. K. Verifying Feighner's hypothesis; anorexia nervosa is not a psychiatric disorder. Frontiers in Psychology. 10, 2110 (2019).
- Lucas, G. M., Gratch, J., King, A., Morency, L. -P. It's only a computer: Virtual humans increase willingness to disclose. Computers in Human Behavior. 37, 94-100 (2014).
- Hendler, N., Spurgeon, D. Comparison of Clinical Diagnoses Versus Computerized Test Diagnoses using the Maryland Clinical Diagnostics Diagnostic Paradigm (Expert System) for Diagnosing Chronic Pain in the Neck, Back and Limbs. Journal of Anesthesia and Critical Care: Open Access. 6 (5), (2016).
- Richens, J. G., Lee, C. M., Johri, S. Improving the accuracy of medical diagnosis with causal machine learning. Nature Communications. 11 (1), 3923 (2020).
- Dahlgren, C. L., Walsh, B. T., Vrabel, K., Siegwarth, C., Rø, Ø Eating disorder diagnostics in the digital era: validation of the Norwegian version of the Eating Disorder Assessment for DSM-5 (EDA-5). Journal of Eating Disorders. 8 (1), 1-7 (2020).
