Adatvezérelt azonosítás szerrel való visszaéléshez

2016-ban az Egyesült Államokban (USA) a kórházi elbocsátások közel 30%-ának volt egy fő diagnosztikai kategóriája a szerhasználattal összefüggő állapot miatt. A szerrel való visszaélés a második helyen áll a fő diagnózisok között a nem tervezett 7 napos kórházi visszafogadások arányában. Annak ellenére, hogy rendelkezésre állnak a szűrés, a rövid beavatkozás és a kezelésre utalás (SBIRT) beavatkozások, a szerrel való visszaélés nem része a felvételi rutinnak, és csak a betegek kisebb részét szűrik ki a kórházi körülmények között. Ez különösen problematikus, mivel a kórházi fekvőbetegek körében a becslések szerint a szerrel való visszaélés előfordulási gyakorisága akár 25%-kal is magasabb, mint akár az általános népesség, akár a járóbeteg-körülmények között. Gyakorlati, a kórházi környezetre szabott szűrési módszerekre van szükség.

Az elektronikus egészségügyi nyilvántartásban való értelmes használat (EHR) megjelenésével az alkoholfelderítés hatékonysága javítható a szokásos ellátás során gyűjtött adatok felhasználásával. A szerhasználat dokumentálása elterjedt, és a szolgáltatói felvételi jegyzetek több mint 96%-ában előfordul, de szabad szöveges formátumuk miatt nehéz kibányászni és elemezni. A Natural Language Processing (NLP) és a gépi tanulás a mesterséges intelligencia (AI) olyan részterületei, amelyek megoldást kínálnak az EHR-ben található szöveges adatok elemzésére az anyaggal való visszaélés azonosítása érdekében. A modern NLP összeolvadt a gépi tanulással, a mesterséges intelligencia egy másik részterületével, amely az adatokból való tanulásra összpontosít. A legerősebb NLP-módszerek különösen a felügyelt tanuláson alapulnak, egy olyan gépi tanuláson, amely kihasználja a jelenlegi referenciaszabványokat, hogy előrejelzéseket készítsen a nem látott esetekről.

Az NLP és a gépi tanulási eszköz korábbi verziójában a kutatók sikeresen felhasználták a kórházi felvétel első 24 órájában gyűjtött klinikai feljegyzések adatait, hogy elérjék a 70% feletti érzékenységet és specificitást az alkohollal való visszaélés azonosításához. A 2016-ban közel 36 millió kórházi felvétellel egy szerrel való visszaélés besorolása milliókat érinthet.

Ennek a tanulmánynak a célja egy szerekkel való visszaélések osztályozójának prospektív bevezetése, amely megvizsgálja annak hatékonyságát a felsőfokú egészségügyi rendszerben lévő összes kórházi felnőtt beteg jelenlegi gyakorlatához képest. Az egészségügyi rendszer kiforrott szűrőrendszerrel rendelkezik az anyaggal való visszaélés besorolásának teljesítményének vizsgálatára a kérdőíves szűrés jelenlegi gyakorlatához képest.

A hipotézis az, hogy az anyaggal való visszaélés besorolása szabványosított, interoperábilis és pontos megközelítést biztosíthat a kórházi betegek szűrésére. Az osztályozó sikeres bevezetése a kórházi betegeknél egy lépés egy automatizált és átfogó univerzális szerhasználattal kapcsolatos szűrési rendszer felé.