Identificazione basata sui dati per abuso di sostanze

Nel 2016, quasi il 30% delle dimissioni ospedaliere negli Stati Uniti rientrava in una categoria diagnostica importante per una condizione correlata all'uso di sostanze. L'abuso di sostanze è al secondo posto tra le diagnosi principali per i tassi di riammissione ospedaliera non pianificata di 7 giorni. Nonostante la disponibilità di interventi di screening, intervento breve e rinvio al trattamento (SBIRT), l'abuso di sostanze non fa parte della routine di ricovero e solo una minoranza di pazienti viene sottoposta a screening per abuso di sostanze in ambito ospedaliero. Ciò è particolarmente problematico, dal momento che tra i pazienti ricoverati, si stima che la prevalenza dell'abuso di sostanze raggiunga il 25%, superiore sia alla popolazione generale che all'ambiente ambulatoriale. Sono necessari metodi di screening pratici su misura per l'ambiente ospedaliero.

Con l'avvento dell'uso significativo nella cartella clinica elettronica (EHR), l'efficienza per il rilevamento dell'alcol può essere migliorata sfruttando i dati raccolti durante le cure abituali. La documentazione sull'uso di sostanze è comune e si trova in oltre il 96% delle note di ammissione del fornitore, ma il loro formato di testo libero le rende difficili da estrarre e analizzare. L'elaborazione del linguaggio naturale (NLP) e l'apprendimento automatico sono sottocampi dell'intelligenza artificiale (AI) che forniscono una soluzione per analizzare i dati di testo nell'EHR per identificare l'abuso di sostanze. La PNL moderna si è fusa con l'apprendimento automatico, un altro sottocampo dell'intelligenza artificiale incentrato sull'apprendimento dai dati. In particolare, i metodi di PNL più potenti si basano sull'apprendimento supervisionato, un tipo di apprendimento automatico che sfrutta gli attuali standard di riferimento per fare previsioni su casi non visti

Nella versione precedente di uno strumento di PNL e apprendimento automatico, i ricercatori hanno utilizzato con successo i dati delle note cliniche raccolte nelle prime 24 ore di ricovero ospedaliero per raggiungere una sensibilità e una specificità superiori al 70% per identificare l'abuso di alcol. Con quasi 36 milioni di ricoveri ospedalieri nel 2016, un classificatore di abuso di sostanze ha il potenziale per avere un impatto su milioni di persone.

In questo studio, l'obiettivo è implementare in modo prospettico un classificatore dell'abuso di sostanze per esaminarne l'efficacia rispetto alla pratica corrente di tutti i pazienti adulti ospedalizzati presso un sistema sanitario terziario. Il sistema sanitario dispone di un sistema di screening maturo per esaminare le prestazioni del classificatore dell'abuso di sostanze rispetto all'attuale pratica di screening del questionario.

L'ipotesi è che il classificatore dell'abuso di sostanze possa fornire un approccio standardizzato, interoperabile e accurato per lo screening dei pazienti ospedalizzati. Il successo dell'implementazione del classificatore nei pazienti ospedalizzati è un passo verso un sistema di screening universale automatizzato e completo per l'abuso di sostanze.