Datadrevet identifikation for stofmisbrug

I 2016 havde næsten 30 % af hospitalsudskrivninger i USA (USA) en vigtig diagnostisk kategori for en stofbrugsrelateret tilstand. Stofmisbrug rangerer nummer to blandt hoveddiagnoser for uplanlagte 7-dages hospitalsgenindlæggelsesrater. På trods af tilgængeligheden af ​​screening, kort intervention og henvisning til behandling (SBIRT), er stofmisbrug ikke en del af indlæggelsesrutinen, og kun et mindretal af patienterne bliver screenet for stofmisbrug i hospitalsmiljøet. Dette er særligt problematisk, da forekomsten af ​​stofmisbrug blandt indlagte hospitalspatienter skønnes at være så høj som 25 %, større end enten den generelle befolkning eller ambulant indstilling. Der er behov for praktiske screeningsmetoder skræddersyet til hospitalsmiljøet.

Med fremkomsten af ​​meningsfuld brug i den elektroniske patientjournal (EPJ), kan effektiviteten til alkoholpåvisning forbedres ved at udnytte data indsamlet under sædvanlig pleje. Dokumentation af stofbrug er almindelig og forekommer i over 96 % af udbyderens optagelsesnotater, men deres fritekstformat gør dem vanskelige at mine og analysere. Natural Language Processing (NLP) og maskinlæring er underområder af kunstig intelligens (AI), der giver en løsning til at analysere tekstdata i EPJ for at identificere stofmisbrug. Moderne NLP er smeltet sammen med maskinlæring, et andet underområde inden for kunstig intelligens, der fokuserer på at lære fra data. Især er de mest kraftfulde NLP-metoder afhængige af overvåget læring, en type maskinlæring, der udnytter de nuværende referencestandarder til at lave forudsigelser om usete tilfælde

I den tidligere version af et NLP- og maskinlæringsværktøj brugte efterforskerne med succes data fra kliniske noter indsamlet i de første 24 timer efter hospitalsindlæggelse for at nå en sensitivitet og specificitet over 70 % til at identificere alkoholmisbrug. Med næsten 36 millioner hospitalsindlæggelser i 2016 har en klassificering af stofmisbrug potentiale til at påvirke millioner.

I denne undersøgelse er målet at prospektivt implementere en stofmisbrugsklassificering for at undersøge dens effektivitet i forhold til den nuværende praksis for alle indlagte voksne patienter i et tertiært sundhedssystem. Sundhedssystemet har et modent screeningsystem til at undersøge præstationer for stofmisbrugsklassificering i forhold til den nuværende praksis med spørgeskemascreening.

Hypotesen er, at stofmisbrugsklassificeringen kan give en standardiseret, interoperabel og præcis tilgang til screening af indlagte patienter. Succesfuld implementering af klassificeringen hos indlagte patienter er et skridt i retning af et automatiseret og omfattende universelt screeningssystem for stofmisbrug.