Summary
Sağlık hizmetlerinde yeme bozukluklarının teşhisi zordur. Bu nedenle, mevcut protokol, bir ankete 949 hasta yanıtına dayanan bir algoritma geliştirir ve tanı, kullanımı kolay web tabanlı bir arayüzde görüntülenir. Bu sistem, yeme bozukluğu olduğuna inanılan kişileri dışlarken, yeme bozukluklarının doğru teşhisini kolaylaştırır.
Abstract
Yeme bozuklukları (anoreksiya nervoza, bulimia nervoza, tıkınırcasına yeme bozukluğu ve diğer belirtilen yeme veya beslenme bozuklukları) kombine prevalansı% 13'tür ve ciddi fiziksel ve psikososyal problemlerle ilişkilidir. Etkin tedavi ve istenmeyen uzun vadeli sağlık sonuçlarının önlenmesi için önemli olan erken tanı, birinci basamakta çalışanlar gibi bu hastalara aşina olmayan uzman olmayan klinisyenler arasında sorunlar doğurmaktadır. Özellikle birinci basamakta erken, doğru tanı, olumlu tedavi sonuçlarını kolaylaştırmak için bozuklukta yeterince erken uzman müdahalelerine izin verir. Bilgisayar destekli tanı prosedürleri, uzman tanı uzmanları ve uzman bakıcılar tarafından şahsen teşhis edilen çok sayıda vakadan geliştirilen bir algoritma aracılığıyla uzmanlık sağlayarak bu soruna olası bir çözüm sunar. Bu verilere dayanarak, yeme bozukluğundan muzdarip olduğundan şüphelenilen hastalar için doğru bir tanı belirlemek için web tabanlı bir sistem geliştirilmiştir. Süreç, katılımcının yeme bozukluğuna sahip olma olasılığını ve bireyin sahip olduğu yeme bozukluğu türünü tahmin eden bir algoritma kullanılarak otomatikleştirilir. Sistem, tanı sürecinde klinisyenlere yardımcı olarak çalışan ve yeni klinisyenler için bir eğitim aracı olarak hizmet veren bir rapor sunmaktadır.
Introduction
Diyet ve fiziksel aktivitede ilişkili bir artış, anoreksiya nervoza ve diğer yeme bozukluklarının bilinen nedenleridir1. Ruhsal bozuklukların tanı el kitabında (DSM-5) bahsedilen en yaygın yeme bozuklukları anoreksiya nervoza (AN), bulimia nervoza (BN), aşırı yeme bozukluğu (BED) ve diğer belirtilen beslenme veya yeme bozukluğudur (OSFED)2. Bu bozukluklar öncelikle kadınları etkiler ve ciddi fiziksel ve / veya psikososyal sağlık komplikasyonları ve sıkıntı eşlik eder3. Kadınların yaklaşık% 13'ü yeme bozukluklarından muzdariptir4 ve kadınlarda AN prevalansının yaşamları boyunca% 0.3-1 olduğu tahmin edilmektedir ve BN5'ten muzdarip kadınların daha da yüksek bir yüzdesi vardır.
Çok sayıda risk faktörü, spesifik yeme bozuklukları ile ilişkilidir. Erken ergenlik döneminde diyet yapmak ve düşük vücut kitle indeksi (VKİ) kadınlarda AN riskini arttırır, ancak erken ergenlik, ince ideal içselleştirme, vücut memnuniyetsizliği, olumsuz etki ve sosyal destek eksiklikleri6 değildir. BN'nin başlangıcını öngören faktörler arasında kilo endişeleri, vücut memnuniyetsizliği, incelik dürtüsü, etkisizlik, düşük interoseptif farkındalık ve diyet, ancak mükemmeliyetçilik, olgunluk korkuları, kişilerarası güvensizlik veya BMI6 yoktur. Çeşitli yeme bozuklukları arasında semptomatik farklılıklar olsa da, risk faktörlerinde benzerlik vardır. Bu, yeme patolojisinin ve uyumsuz yeme davranışının (diyet) tüm yeme bozukluklarında ortak risk faktörleri olduğunu göstermektedir.
Gerçekten de, yeme patolojisi yeme bozukluklarında belirgindir. Bununla birlikte, patolojik yeme davranışını tanımlamanın ve ölçmenin zorluğu, tanının öncelikle semptom boyutlarının öznel tanımına dayandığı gerçeğiyle birleştiğinde, tanılar arasındaki sınırların belirsiz görünmesine neden olabilir7. Bu sorun, özellikle birinci basamak hekimleri gibi yeme bozukluğu hastalarına aşina olmayan sağlık pratisyenleri için yeme bozukluklarının teşhisini zorlaştırmaktadır.
Birinci basamaktaki sağlık profesyonelleri genellikle yeme bozukluğundan muzdarip bireyler tarafından yaklaşılan ilk kişilerdir. Olumlu bir prognoz için erken teşhis ve müdahalenin önemi göz önüne alındığında, bakım sağlayıcıları bu bozuklukları tanımalarına yardımcı olacak araçlara sahip olmalıdır. Bu nedenle, uzmanlar tarafından tedavilerindeki gecikmeleri önlemek için hızlı ve doğru bir şekilde tanı konulmalıdır.
Bu tanısal hedefe ulaşmanın bir yolu, semptomlarıyla ilgili anketleri dijitalleştirmek ve otomatikleştirmektir. Bu yöntemin ek bir yararı, yanıtların daha doğru olması olabilir, çünkü çalışmalar hastaların zihinsel sağlık sorunlarını tartışmak için sanal terapistlere insan klinisyenlerden daha fazla güvendiğini göstermektedir8. Diğer bir potansiyel fayda, bilgisayar teşhislerinin yüz yüze tanılardandaha yüksek güvenilirliğe sahip olabileceğini düşündüren bazı çalışmalarla birlikte tanısal güvenilirliğin artmasıdır 9,10.
Mevcut protokolde, ardışık olarak sevk edilen 949 hastanın fiziksel durum, davranış, duygu ve düşüncelerle ilgili açık uçlu ve kapalı uçlu sorulara verdiği cevaplara dayanan bir algoritma geliştirilmiştir (demografik veriler için bakınız Tablo 1). 949 katılımcının% 91.6'sı (869) kadındı,% 18.0'ında AN,% 19.0'ı BN,% 13.5'i YATAK,% 36.8'i OSFED,% 6.8'i obezite (OB) ve% 5.9'unda yeme bozukluğu yoktu (ED yok). Algoritma, hem yeme bozukluğuna sahip olma olasılığını hem de bireyin hangi tür yeme bozukluğuna sahip olduğuna dair sonucu tahmin eder. Anket maddeleri, Beslenme ve Yeme Bozuklukları için DSM-5 kriterlerine ve AN, BN, BED ve OSFED'in tanısal özelliklerine dayanmaktadır. OB (aşırı vücut yağı) DSM-5'e zihinsel bir bozukluk olarak dahil değildir. Bununla birlikte, OB ve BED2 arasında sağlam ilişkiler vardır. Anket maddeleri üç kategoriye ayrılmıştır: (1) VKİ, geçen yıl boyunca kilo kaybı / kazancı ve kendi kendine indüklenen kusma gibi durumlar. (2) Yeme düzeni, diyet yapma, kendini tartma, kendine bağlı kusma, arkadaşlardan ve aileden izolasyon ve aktivitelerden kaçınma gibi davranışlar. (3) İstenilen kilo, kontrolü kaybetmekten korkmak, aşırı yemek, yiyeceklerle ilgili düşünceler, başkaları çok zayıf olduğunuzu söylediğinde kendisinin şişman olduğuna inanmak ve kilo alımına tepki vermek gibi bilişler / düşünceler. Algoritma, öğelere kademeli olarak ağırlık atayan ve beş tanılamanın her biri için en ayırt edici öğeleri tanımlayan koşulsuz bir ayrımcı analize dayanmaktadır. Tanılama bilgileri, kullanımı kolay web tabanlı bir arayüzde görüntülenir.
Protocol
Deneysel denekler ve hastalar üzerindeki tüm çalışmalar İsveç Etik İnceleme Kurumu, İsveç tarafından onaylanmıştır (D. nr: 2019-05505). Sisteme kaydolmadan önce, tüm bireyler verilerinin depolanması, işlenmesi ve analiz edilmesi için yazılı onay vermiştir. Hastalar yeme bozuklukları için özel tedavi için kliniğe doktor sevki veya kendi kendine sevk ile yönlendirildi. Bir yeme bozukluğundan muzdarip olmak, hastalar için dahil edilme kriteriydi.
1. Klinisyenler tarafından hasta kaydı
NOT: Hasta kaydı (Şekil 1), bir klinisyen tarafından geliştirilmiş özel bir web aracı kullanılarak tamamlanır (bkz.
- Hasta sevki üzerine herhangi bir modern tarayıcı kullanarak web açılış sayfasına gidin.
- Web aracında oturum açmak için bir klinisyenle ilişkilendirilmiş mevcut bir hesabı kullanın.
- Hasta kimliği, sosyal güvenlik numarası, doğum tarihi, yaş ve cinsiyet dahil olmak üzere hasta kayıt formunu doldurun.
- Yeni bir hasta kaydetmek için Kaydet düğmesine basın. Bu noktada, yordam duraklatılabilir ve daha sonra yeniden başlatılabilir.
2. Hastalar için anket
NOT: Hasta, bir web aracında geliştirilen özel bir uygulamayı kullanarak akıllı bir cihazdaki anketi doldurur (bkz. Hasta reşit değilse, anket bir ebeveyn veya vasi tarafından doldurulur. Verileri tematik bloklar halinde düzenlenmiştir. Her sorunun cevabı tamamlandıktan sonra, sistem bir sonraki soruyu sunar (Şekil 2).
- Anket uygulamasını akıllı bir cihazda açın.
- Hastalar için sosyal güvenlik numarasını doldurun (Şekil 3).
- İlk ziyaret tarihini doldurun; geçerli tarih varsayılan olarak kullanılır.
- Hastaların kilosu, boyu ve yaşına karşılık gelen bilgileri doldurun.
- İndüklenen kusma, atıştırmalık sıklığı ve yeme oranı gibi davranışlara karşılık gelen bilgileri doldurun.
- Kilo alma korkusu ve vücut dismorfisi duyguları gibi bilişsel ve duygusal öğelere karşılık gelen ayrıntıları doldurun.
- Anketi tamamlamak için Bitti düğmesine basın. Bu noktada, anket duraklatılabilir ve daha sonra yeniden başlatılabilir.
3. Klinisyenler tarafından risk değerlendirmesi
NOT: Risk değerlendirmesi (Şekil 4), klinisyen tarafından özel bir web aracı kullanılarak alınır ve kullanılır (bkz.
- Herhangi bir web tarayıcısını kullanarak web açılış sayfasına gidin. Web aracında oturum açmak için mevcut bir hesabı kullanın.
- Hastanın sosyal güvenlik numarasını veya hasta kimliğini kullanarak hastayı arayın.
- Ölçülen ağırlığı ve yüksekliği sisteme ekleyin.
- Hastanın ED'si olup olmadığına ve eğer öyleyse ne tür bir ED'ye sahip olduğuna dair algoritmik kararı almak için Sonuç sekmesine basın.
- Hastaların yanıtlarının sağlıklı bireylerin yanıtlarından saptığı soruları görüntülemek için sekme Soru 1-20 veya Soru 21-34'e basın.
- Sonuç sekmesi altında, algoritmaya ve klinisyenin uzmanlığına bağlı olarak bir son tanı seçin.
Representative Results
Adım 1'de açıklanan hasta kaydı, bilgisayarlı tıbbi kayıtlarda Şekil 1'de sunulan formu dolduran bir klinisyen tarafından gerçekleştirilir. Klinisyen yeni bir hastayı kaydettikten sonra, uygulama hastanın anketi doldurmasına izin veren adım 2'ye geçer. Anketi başlatmak için, hastanın veya klinisyenin öncelikle hastanın sosyal güvenlik numarasını (veya kimliğini) akıllı bir cihazdaki uygulamaya girmesi gerekir (Şekil 3), ardından uygulama ilk anket öğesini görüntüler. Şekil 2 , tanılama anketinden bir öğenin ekran görüntüsünü göstermektedir. Bir anket öğesine yanıt seçildikten sonra, uygulama bir sonraki öğeye taşınır. Hastalar önceki soruların yanıtını değiştirmek için geri dönemezler ve anket zamanından önce sonlandırılırsa, yanıtlar yine de kaydedilir ve kullanıcı eksik öğeleri doldurmak için geri dönebilir. Tüm sorular cevaplandıktan sonra, uygulama otomatik olarak kapatılır.
Anket tamamlandıktan sonra, Şekil 4'te sunulan risk değerlendirme sayfası klinisyen için bir web arayüzü üzerinden kullanılabilir. Klinisyenler, anketin risk faktörlerinin otomatik olarak hesaplanmasına dayanarak, önerilen tanıyı 'Sonuç' sayfasında, 0-1'den (yani% 100 aralığında) tahmini doğruluk olasılığı ile birlikte görüntüleyebilirler. Klinisyenler, 'Soru 1-20' veya 'Soru 21-34' sekmesine basarak, önerilen tanı ile sonuçlanan sağlıklı yanıtları (turkuaz renk) ve sapan yanıtları (kırmızı renk) görüntüleyebilirler (Şekil 5). Algoritma (bakınız Materyal Tablosu) hem yeme bozukluğuna sahip olma olasılığını hem de bireyin ne tür bir yeme bozukluğuna sahip olduğuna dair sonucu tahmin eder. Modelin doğruluğu ED'ye sahip olmak için %97.1 ve ED tanıları için %82.8'dir (Tablo 2). Tanılama bilgileri, kullanımı kolay web tabanlı bir arayüzde görüntülenir. Bu bilgi, algoritmik tanının klinisyenin kendi değerlendirmesiyle aynı fikirde olması durumunda klinisyenlere kararlarında güven verir. Algoritmik tanı klinisyenin değerlendirmesine katılmıyorsa, klinisyenin diğer sağlık profesyonellerinden ikinci bir görüş alması teşvik edilir. Sistem ayrıca, klinisyenlerin, soru sekmelerinde sağlıklı bir bireyden sapması beklenen belirli soruları görüntüleyerek ve diğer sağlık profesyonelleriyle zor vakaları gözden geçirerek hastaları teşhis etmede kendilerini daha iyi hale getirmelerini sağlar.
Şekil 1: Web aracındaki hasta kayıt formunun bir örneği. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.
Şekil 2: Akıllı bir tablette görüntülenen tek bir anket öğesinin örneği. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.
Şekil 3: Tanı anketini doldurmadan önce gerekli sosyal güvenlik numarasını soran sayfanın anlık görüntüsü. Bu rakamın daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.
Şekil 4: Web aracı kullanılarak görüntülendiği gibi önerilen tanılama ve tahmini doğruluğu (bu durumda %100) içeren sonuç sayfası örneği. Sonuç sayfası ayrıca hastanın tarihini, cinsiyetini, yaşını ve VKİ'sini de gösterir. En üstte, klinisyenler bir tanı seçebilirler. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.
Şekil 5: Anket yanıtları ve önerilen tanı ile ilişkileri. Kırmızı yüksek bir ilişkiyi gösterir ve deniz mavisi düşük bir ilişki olduğunu gösterir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.
| Kadın (n = 869) | Erkek (n = 80) | Toplam (n = 949) | |
| Yaş | 21.0 (17.0 - 30.0) | 21.0 (15.0 - 33.5) | 21.0 (17.0 - 30.0) |
| Yükseklik | 167.0 (162.0 - 170.0) | 176.5 (169.0 - 183.0) | 167.0 (162.0 - 171.0) |
| Ağırlık | 58.2 (50.0 - 75.0) | 71.5 (57.0 - 97.0) | 59.1 (50.0 - 76.5) |
| Bmı | 20.9 (17.8 - 26.7) | 21.3 (18.0 - 31.2) | 21 (17.9 - 27.1) |
Tablo 1: Tanısal algoritma gelişimine dahil edilen 949 hastanın demografik verileri. Değerler medyan olarak ifade edilir (alt çeyrek - üst çeyrek).
| Tanı | Klinisyen tanısı | Algoritma teşhisi | Doğruluk (%) |
| Bir | 171 | 172 | 87.1 |
| Bn | 180 | 181 | 82.2 |
| Yatak | 128 | 138 | 81.3 |
| OSFED | 349 | 328 | 79.9 |
| Ob | 65 | 74 | 90.8 |
Tablo 2: Eğitimli bir klinisyen tarafından teşhis edilen her ED kategorisindeki hasta sayısı ve algoritmanın kararı ve doğruluğu.
Discussion
Yeme bozukluklarının erken ve doğru teşhisi, uygun tedaviyi başlatmak, tedavi sonuçlarını iyileştirmek ve kötü sağlık sonuçlarını azaltmak için kritiköneme sahiptir 1. Bir tanıyı belirlemek için, klinisyenler büyük miktarda psikolojik ve fizyolojik bilgiyi ele almalıdır ve büyük miktarda veri, yanlış tanı riski yüksek olan tanıyı zaman alıcı bir görev haline getirir.
Burada açıklanan sistem, otomatik anket tabanlı tanı sağlayarak karar verme sürecini hızlandırmaktadır. Ek olarak, klinisyenlerin sağlıklı bir bireyin beklenen yanıtlarından sapan spesifik yanıtları görmelerini sağlar. Sistem, klinisyenlerin ihtiyaçları göz önünde bulundurularak geliştirilmiştir, bu nedenle anket yalnızca hasta tarafından doldurulabilecek kadar basittir ve klinisyenlerin tanı koymayı düşünürken ihtiyaç duydukları süreyi daha da azaltır. Aynı nedenle, yanıtlar girdiye kaydedilir ve işlemin herhangi bir zamanda duraklatılabilmesi sağlanır. Bilgisayar bağlantısı sorunları ve diğer kesintiler tüm işlemin tekrarlanmasını gerektirmez.
Protokoldeki bir sınırlama, tüm anket öğeleri doldurulmadıkça bir tanı önerisinin hesaplanamamasıdır. Diğer bir sınırlama ise kan basıncı ve periferik sıcaklık gibi tıbbi ölçümlerin sisteme dahil edilmemesi, ancak klinisyenler veya tıp doktorları tarafından değerlendirilmesi gerektiğidir.
Yeme bozukluğu teşhisleri için yarı yapılandırılmış elektronik görüşmeler 11 gibi çeşitli dijital araçlar vardır, ancak şu anda DSM-5 veya Uluslararası Hastalık Sınıflandırması,11. Revizyona (ICD-11) dayanan bir tanı algoritması yoktur. Mevcut yaklaşımlarla ilgili birincil sorun, klinisyenlerin tanıda yardım almaları veya sağlıksız yanıtları neyin oluşturduğunu iletmeleri için basit bir yol sağlamamalarıdır. Mevcut sistem, hem birinci basamakta, hem yeme bozuklukları hakkında çok az bilgiye sahip sağlık profesyonelleri tarafından hem de daha karmaşık vakaları tartışmak için uzman kliniklerde kullanılmak üzere tasarlanmıştır ve klinisyenlere yeme bozukluklarının teşhisi sırasında karar verme sürecinde yardımcı olmaktadır. Bu sistem, bakım kalitesinin artmasına, klinisyenlerin zaman ve çabalarının azalmasına neden olur ve klinisyenlerin günlük uygulamalarında daha fazla verimlilik sağlar.
Teşhis algoritması şu anda bir ankete dayanmaktadır ve sistemin klinisyenlere hastaları daha iyi teşhis etmelerini ve zor durumlarda diğer sağlık profesyonellerine danışmalarını öğretmesine izin vermektedir. Sistemin gelecekteki gelişimi tıbbi verileri de içermelidir. Ek olarak, algoritmanın prognostik yeteneği, anketi rafine ederek, gereksiz, bilgilendirici olmayan öğeleri daha alakalı olanlarla değiştirerek geliştirilebilir. Uzunlamasına bir yaklaşımın da dikkate alınması gerekir. Hasta uygun tedaviyi alırsa, zaman içinde sağlık ilerlemesini takip etmek önemlidir. Anketteki birçok madde takip yaklaşımı için hala geçerlidir. Bununla birlikte, sağlık ilerlemesini ölçmek için bir endeks oluşturmak için anket ve algoritmanın yeniden formüle edilmesi gerekir.
Disclosures
Burada finansal düzenlemelerle ilgili tam açıklık amaçlanmaktadır. Brodin, bu çalışmayla ilgili hiçbir finansal çıkarı olmadığını beyan eder. Araştırmamız, Södersten'in profesör emeritus olduğu Karolinska Enstitüsü'nde yürütülmektedir. Araştırma, her biri hisselerin% 47,5'ine sahip olan Södersten ve Bergh tarafından başlatılan bir şirket olan Mando Group AB tarafından klinik olarak çevrildi. Irvine'deki Kaliforniya Üniversitesi'nden Profesör Michael Leon kalan% 5'e sahip. Mando Group AB, yeme bozukluğu olan hastaları tedavi etmek için her beş yılda bir Stockholm Bölgesi ile sözleşme yapar. Mando Group AB, ilk sözleşmesini 1997 yılında Stockholm Bölgesi ile imzaladı ve o zamandan beri tedavisi Stockholm vatandaşlarına sunulan bakım standartlarından biri. Mando Group AB son ihaleyi kazandı ve şu anda dört Stockholm hastanesinde Mandometre Klinikleri var. Bu düzenleme, Stockholm Bölgesi'nin yeme bozuklukları da dahil olmak üzere her türlü hastalığı olan hastaları tedavi etmek için kendi klinikleriyle sözleşme yaptığı durumla aynıdır. Başka bir deyişle, Stockholm Bölgesi, Stockholm vatandaşlarına hem kendi kliniği hem de Mando Group AB aracılığıyla yeme bozuklukları hizmetleri sunmaktadır. İsveç'teki tüm sağlık hizmetleri vergi sistemi aracılığıyla finanse edilmektedir; özel ücret son derece nadirdir. Öncelikle, Mando Group AB'nin Uluslararası Tıp Dergisi Editörleri Komitesi'nin 'Yazar Sorumlulukları-Çıkar Çatışmaları' http://www.icmje.org/recommendations/browse/rolesand-responsibilities/ konusundaki tavsiyesine uygun olduğunu da eklemek gerekir. İkinci olarak, Mando Group AB'nin elde ettiği tüm kârın araştırma ve geliştirmeye yeniden yatırıldığı ve hisse senedi sahiplerine temettü verilmediği de eklenmelidir. Yukarıdakilerin hepsi tüm makale gönderimlerinde beyan edilmiştir ve şimdiye kadar dergiler sadece bazı ayrıntıların yayınlanmasının gerekli olduğuna karar vermiştir. Bununla birlikte, bilim adamları araştırma bulgularını bir şirketteki
Acknowledgments
Bu çalışma Stockholm Bölgesi tarafından finanse edildi.
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).
