Datadrevet identifikasjon for rusmisbruk

I 2016 hadde nesten 30 % utskrivninger fra sykehus i USA (USA) en viktig diagnostisk kategori for en rusrelatert tilstand. Rusmisbruk rangerer på andreplass blant hoveddiagnoser for ikke-planlagte 7-dagers reinnleggelsesrater på sykehus. Til tross for tilgjengeligheten av intervensjoner med screening, kort intervensjon og henvisning til behandling (SBIRT), er ikke rusmisbruk en del av innleggelsesrutinen, og bare et mindretall av pasientene blir screenet for rusmisbruk i sykehusmiljøet. Dette er spesielt problematisk, siden forekomsten av rusmisbruk blant sykehusinnlagte pasienter er estimert til å være så høy som 25 %, større enn enten befolkningen generelt eller poliklinisk. Det er behov for praktiske screeningmetoder skreddersydd for sykehusmiljøet.

Ved bruk av meningsfull bruk i den elektroniske helsejournalen (EPJ), kan effektiviteten for alkoholdeteksjon bli forbedret ved å utnytte data som samles inn under vanlig pleie. Dokumentasjon av rusmiddelbruk er vanlig og forekommer i over 96 % av leverandørens opptaksnotater, men fritekstformatet deres gjør dem vanskelige å utvinne og analysere. Natural Language Processing (NLP) og maskinlæring er underfelt av kunstig intelligens (AI) som gir en løsning for å analysere tekstdata i EPJ for å identifisere rusmisbruk. Moderne NLP har smeltet sammen med maskinlæring, et annet underfelt av kunstig intelligens fokusert på å lære fra data. Spesielt er de kraftigste NLP-metodene avhengige av overvåket læring, en type maskinlæring som utnytter gjeldende referansestandarder for å gi spådommer om usynlige tilfeller

I den tidligere versjonen av et NLP- og maskinlæringsverktøy brukte etterforskerne data fra kliniske notater samlet inn i løpet av de første 24 timene av sykehusinnleggelsen for å nå en sensitivitet og spesifisitet over 70 % for å identifisere alkoholmisbruk. Med nesten 36 millioner sykehusinnleggelser i 2016, har en klassifisering av rusmisbruk potensial til å påvirke millioner.

I denne studien er målet å prospektivt implementere en klassifisering av rusmisbruk for å undersøke effektiviteten mot gjeldende praksis for alle innlagte voksne pasienter ved et tertiært helsesystem. Helsesystemet har et modent screeningsystem for å undersøke ytelsen til klassifisering av rusmisbruk opp mot dagens praksis med spørreskjemascreening.

Hypotesen er at stoffmisbruksklassifikatoren kan gi en standardisert, interoperabel og nøyaktig tilnærming til å screene innlagte pasienter. Vellykket implementering av klassifikatoren hos innlagte pasienter er et skritt mot et automatisert og omfattende universelt screeningsystem for rusmisbruk.