입원 환자 심리 치료의 조기 치료 종료 예측: 기계 학습 접근 방식

이 연구의 목적은 정신신체병원에서 조기 치료 종료를 초래하거나 예측하는 위험 요소를 확인하는 것입니다. 장기적으로 이 연구는 치료사와 환자 간의 잠재적 중도 탈락 및 필요한 경우 피드백 루프를 사용한 치료 적응에 대한 의사소통을 향상시킬 수 있는 보다 정확한 예측 모델을 개발하는 데 도움이 될 것입니다.

정신신체병원에서 치료 종료를 예측하는 데 어떤 변수가 중요한 역할을 하는지 아직 명확하지 않기 때문에 연구 설계는 탐색적이며 광범위한 입원 환자 특성을 포함합니다. 본 연구의 목적은 섭취 시 일상적으로 평가되는 정보를 기반으로 예측 모델을 개발하는 것입니다. 따라서 세 가지 종류의 변수가 포함될 계획입니다. (1) 인구통계학적 및 기타 임상적 변수(예: 연령, 성별, ICD-10 진단), (2) 심리 설문 데이터(예: PHQ, SF-12, EB-45, IIP-32, OPD-SFK) 및 (3) 생리학적 데이터(예: 일상적인 실험실 데이터, 혈압). 연구에는 2015년부터 2022년 1월 사이에 하이델베르그 의료 센터에서 입원 정신 치료를 시작한 모든 환자가 포함되어 표본 크기는 대략 N = 2000이 됩니다. 메타분석 결과 평균 중도탈락률은 20% 내외로 조기 중도 포기한 환자가 최대 400명에 이를 것으로 추정할 수 있다.

예측 모델을 계산하기 위해 빅데이터 세트에서 기능이 뛰어난 기계 학습 접근 방식을 사용할 계획입니다. 이진 결과(정규 치료 기간 대 조기 치료 종료)에 대해 무작위 포레스트 모델을 사용하여 섭취 시 조기 치료 종료 예측에 기여하는 변수를 식별하는 것이 구상되었습니다. 또한, 최초 입학 면접부터 병원 입원까지의 대기 시간을 고려하여 대기자 명단 효과를 고려할 것입니다. 따라서 본 연구에서는 처음으로 정신신체치료 준비 시 임상적으로 관련된 생리학적 데이터와 대기 시간 효과를 포함하여 입원환자 정신치료에서 조기 치료 종료에 대한 예측 모델을 조사할 것입니다.