Identificación basada en datos para el uso indebido de sustancias

En 2016, casi el 30 % de las altas hospitalarias en los Estados Unidos (EE. UU.) tenían una categoría de diagnóstico importante para una afección relacionada con el consumo de sustancias. El abuso de sustancias ocupa el segundo lugar entre los principales diagnósticos para las tasas de reingreso hospitalario no planificado de 7 días. A pesar de la disponibilidad de intervenciones de Detección, Intervención Breve y Derivación a Tratamiento (SBIRT), el abuso de sustancias no forma parte de la rutina de admisión y solo una minoría de pacientes son evaluados por uso indebido de sustancias en el entorno hospitalario. Esto es particularmente problemático, ya que entre los pacientes hospitalizados, se estima que la prevalencia del abuso de sustancias llega al 25%, más que en la población general o en el entorno ambulatorio. Se necesitan métodos de detección prácticos adaptados al entorno hospitalario.

Con el advenimiento del uso significativo en el registro de salud electrónico (EHR), la eficiencia para la detección de alcohol puede mejorarse aprovechando los datos recopilados durante la atención habitual. La documentación del uso de sustancias es común y aparece en más del 96 % de las notas de admisión de los proveedores, pero su formato de texto libre hace que sea difícil extraerlas y analizarlas. El procesamiento del lenguaje natural (NLP) y el aprendizaje automático son subcampos de la inteligencia artificial (IA) que brindan una solución para analizar datos de texto en el EHR para identificar el uso indebido de sustancias. La PNL moderna se ha fusionado con el aprendizaje automático, otro subcampo de la inteligencia artificial centrado en el aprendizaje a partir de datos. En particular, los métodos de PNL más poderosos se basan en el aprendizaje supervisado, un tipo de aprendizaje automático que aprovecha los estándares de referencia actuales para hacer predicciones sobre casos no vistos.

En la versión anterior de una herramienta de aprendizaje automático y PNL, los investigadores utilizaron con éxito los datos de las notas clínicas recopiladas en las primeras 24 horas de ingreso al hospital para alcanzar una sensibilidad y especificidad superiores al 70% para identificar el abuso de alcohol. Con casi 36 millones de ingresos hospitalarios en 2016, un clasificador de uso indebido de sustancias tiene el potencial de impactar a millones.

En este estudio, el objetivo es implementar prospectivamente un clasificador de abuso de sustancias para examinar su efectividad contra la práctica actual de todos los pacientes adultos hospitalizados en un sistema de salud terciario. El sistema de salud tiene un sistema de detección maduro para examinar el desempeño del clasificador de uso indebido de sustancias en comparación con la práctica actual de detección mediante cuestionario.

La hipótesis es que el clasificador de uso indebido de sustancias puede proporcionar un enfoque estandarizado, interoperable y preciso para evaluar a los pacientes hospitalizados. La implementación exitosa del clasificador en pacientes hospitalizados es un paso hacia un sistema de detección universal automatizado e integral para el abuso de sustancias.