Identificação baseada em dados para uso indevido de substâncias

Em 2016, quase 30% das altas hospitalares nos Estados Unidos (EUA) tiveram uma categoria diagnóstica importante para uma condição relacionada ao uso de substâncias. O uso indevido de substâncias ocupa o segundo lugar entre os principais diagnósticos para taxas de readmissão hospitalar não planejada em 7 dias. Apesar da disponibilidade de intervenções de triagem, intervenção breve e encaminhamento para tratamento (SBIRT), o uso indevido de substâncias não faz parte da rotina de internação e apenas uma minoria de pacientes é rastreada quanto ao uso indevido de substâncias no ambiente hospitalar. Isso é particularmente problemático, uma vez que entre pacientes hospitalizados, a prevalência do uso indevido de substâncias é estimada em até 25%, maior do que na população em geral ou em ambulatório. Métodos práticos de triagem adaptados para o ambiente hospitalar são necessários.

Com o advento do uso significativo no registro eletrônico de saúde (EHR), a eficiência da detecção de álcool pode ser melhorada aproveitando os dados coletados durante os cuidados habituais. A documentação do uso de substâncias é comum e ocorre em mais de 96% das notas de admissão do provedor, mas seu formato de texto livre torna-as difíceis de minerar e analisar. Processamento de linguagem natural (NLP) e aprendizado de máquina são subcampos de inteligência artificial (IA) que fornecem uma solução para analisar dados de texto no EHR para identificar o uso indevido de substâncias. A PNL moderna se fundiu com o aprendizado de máquina, outro subcampo da inteligência artificial focado em aprender com dados. Em particular, os métodos de PNL mais poderosos dependem do aprendizado supervisionado, um tipo de aprendizado de máquina que aproveita os padrões de referência atuais para fazer previsões sobre casos não vistos

Na versão anterior de uma ferramenta de PNL e aprendizado de máquina, os investigadores usaram com sucesso dados de notas clínicas coletadas nas primeiras 24 horas de internação hospitalar para atingir uma sensibilidade e especificidade acima de 70% para identificar o uso indevido de álcool. Com quase 36 milhões de internações hospitalares em 2016, um classificador de uso indevido de substâncias tem potencial para impactar milhões.

Neste estudo, o objetivo é implementar prospectivamente um classificador de uso indevido de substâncias para examinar sua eficácia contra a prática atual de todos os pacientes adultos hospitalizados em um sistema de saúde terciário. O sistema de saúde tem um sistema de triagem maduro para examinar o desempenho do classificador de uso indevido de substâncias em relação à prática atual de triagem por questionário.

A hipótese é que o classificador de uso indevido de substâncias pode fornecer uma abordagem padronizada, interoperável e precisa para rastrear pacientes hospitalizados. A implementação bem-sucedida do classificador em pacientes hospitalizados é um passo em direção a um sistema de triagem universal automatizado e abrangente para uso indevido de substâncias.