Mundo

O risco de suicídio poderia ser previsto nos registros de um paciente?
Tais modelos podem potencialmente alertar os profissionais de saúde antes da visita, ajudando os pacientes a obter intervenções apropriadas, dizem os pesquisadores. Os resultados foram publicados no mês passado no JAMA Network Open .
Por Hospital Infantil de Boston - 24/04/2020

Domínio público

O suicídio é agora a segunda causa mais comum de morte entre os jovens americanos. Os suicídios fatais aumentaram 30% entre 2000 e 2016, e somente em 2016 houve 1,3 milhão de tentativas de suicídio não fatal. Agora, um estudo liderado pelo Hospital Infantil de Boston e pelo Hospital Geral de Massachusetts demonstra que um modelo computacional preditivo pode identificar pacientes em risco de tentativa de suicídio a partir de padrões em seus registros eletrônicos de saúde - uma média de dois anos antes do tempo.

Tais modelos podem potencialmente alertar os profissionais de saúde antes da visita, ajudando os pacientes a obter intervenções apropriadas, dizem os pesquisadores. Os resultados foram publicados no mês passado no JAMA Network Open .

"Os computadores não podem substituir as equipes de atendimento na identificação de problemas de saúde mental ", diz Ben Reis, Ph.D., diretor do Grupo de Medicina Preditiva, parte do Programa de Informática em Saúde Computacional (CHIP) do Hospital Infantil de Boston e co-autor sênior do o papel. "Mas sentimos que os computadores, se bem projetados, poderiam identificar pacientes de alto risco que atualmente estão caindo nas rachaduras, despercebidos pelo sistema de saúde. Prevemos um sistema que poderia informar o médico 'de todos os seus pacientes, esses três caem em uma categoria de alto risco. Reserve alguns minutos extras para falar com eles. '"

A equipe analisou dados de registros eletrônicos de saúde de mais de 3,7 milhões de pacientes com idades entre 10 e 90 anos em cinco sistemas de assistência médica nos EUA: Partners HealthCare System em Boston; Centro Médico de Boston; Hospital Infantil de Boston; Wake Forest Medical Center, na Carolina do Norte; e Centro de Ciências da Saúde da Universidade do Texas em Houston. Dados de seis a 17 anos estavam disponíveis nos diferentes centros, incluindo códigos de diagnóstico, resultados de exames laboratoriais, códigos de procedimentos médicos e medicamentos.

Os registros mostraram um total de 39.162 tentativas de suicídio. Os modelos foram capazes de detectar 38% deles (isso variava de 33 a 39% nos cinco centros), com 90% de especificidade. Os casos foram apurados em média 2,1 anos antes da tentativa de suicídio real (variação de 1,3 a 3,5 anos).

Os preditores mais fortes, sem surpresa, incluíram intoxicações por drogas, dependência de drogas, intoxicação aguda por álcool e várias condições de saúde mental. Mas outros preditores eram aqueles que normalmente não vinham à mente, como rabdomiólise, celulite ou abscesso da mão e medicamentos para o HIV.

"Não havia um único preditor", diz Reis. "É mais uma gestalt ou equilíbrio de evidências, um sinal geral que se acumula ao longo do tempo".

Projetando um preditor de risco de suicídio

Os pesquisadores desenvolveram o modelo em duas etapas, usando uma abordagem de aprendizado de máquina. Primeiro, eles mostraram metade dos dados de seus pacientes em um modelo de computador, direcionando-os para encontrar padrões associados a tentativas de suicídio documentadas. Depois, eles tiraram as lições aprendidas desse exercício de "treinamento" e os validaram usando a outra metade de seus dados - pedindo ao modelo para prever, com base apenas nesses padrões, quais pacientes acabariam por tentar se suicidar .

No geral, o modelo teve desempenho semelhante em todos os cinco centros médicos, mas a reciclagem do modelo em centros individuais trouxe melhores resultados.

"Poderíamos ter criado um modelo para atender a todos os centros médicos, usando os mesmos códigos", diz Yuval Barak-Corren, MD, do CHIP, primeiro autor do artigo. "Mas escolhemos uma abordagem que cria automaticamente um modelo ligeiramente diferente, adaptado às especificidades de cada local de assistência médica".

Os resultados confirmaram o valor da adaptação do modelo a cada local, uma vez que os centros de saúde podem ter fatores preditivos únicos, baseados em diferentes práticas de codificação hospitalar e em demografia e padrões de saúde locais.

Sob uma concessão do Instituto Nacional de Saúde Mental, a equipe agora procurará aprimorar sua abordagem de modelagem, por exemplo, incorporando as anotações clínicas dos médicos em seus dados.

 

.
.

Leia mais a seguir