חדשות

כלי חדש עשוי לסייע בזיהוי חולים בסיכון מוגבר לאובדנות (JAMA Netw Open)

28/10/2020

 

מודל חדש לחיזוי הסיכון אובדנות המבוסס על נתונים מהרשומות הרפואיות הממוחשבות מסייע בסיווג נכון של הסיכון לאובדנות, ללא הגדלת עומס העבודה של הרופאים, כך עולה מתוצאות מחקר חדש שפורסמו בכתב העת JAMA Network Open.

 

במסגרת המחקר ביקשו החוקרים לבחון את תוצאות השימוש במודל MHRN (Mental Health Research Network)  ולהעריך את היקף הגדלת עומס העבודה על הרופאים הנדרשים להשתמש בכלי זה.

 

המודל מבוסס על נתונים מהרשומות הרפואיות הממוחשבות, כולל מאפיינים דמוגרפיים, מדדי Patient Health Questionnaire-9 (PHQ-9), מחלות רקע, תרופות, ביקורים אצל מומחים לבריאות הנפש וניסיונות אובדניים בשנה החולפת. משתנים אלו שימשו ליצירת מדד סיכון, כאשר ציון גבוה יותר העיד על צפי סיכון לניסיון אובדני שהיה גבוה יותר.

 

תחילה, החוקרים תיקפו את מודל הסיכון באמצעות נתוני KPNC לאישור הערך המנבא של המודל בחולים שלא נכללו בפיתוח המודל.

 

לאורך שנה אחת, החוקרים זיהו למעלה מ-1.4 מיליון מפגשים עם מומחים לבריאות הנפש במאגר Kaiser Permanente Northern California, כולל כרבע מיליון חולים ייחודיים בגיל ממוצע של סביב 40 שנים. מבין אלו, ניסיון אובדני במהלך 90 הימים שקדמו לביקור הפסיכיאטרי תועד ב-9,054 משתתפים (0.6%).

 

מהנתונים עלה כי המודל היה די מדויק, כאשר בערך של אחוזון 95 תועדה רגישות של 41.3% וערך מנבא חיובי של 6.4%.

 

החוקרים חישבו את מספר ההתראות הצפוי בספי סיכון שונים במטרה להבין את ההשפעה בתנאי עולם-אמיתי על המערכת. הם מסבירים כי במערכת הרפואית, עייפות התראות, או מצב של דה-סנסיטזציה עקב מספר רב של התראות דחופות, מהווה סכנה אמיתית ועלול בקלות להציף ולהסיח את הדעת של הרופאים.

 

מהנתונים עלה כי חציון מספר ההתראות לביקורים אצל מומחי בריאות הנפש השתנה באופן נרחב בתלות בסף הסיכון להתראות אלו. לדוגמא, באחוזון 95 של הסיכון צפויות 162 התראות יומיות ובאחוזון 99.5 הצפי הוא לארבע התראות בלבד.

 

החוקרים מאמינים כי המודל צפוי להוות את אחד הכלים הטובים ביותר לזיהוי מטופלים בסיכון לאובדנות, ללא הגדלה ניכרת של העומס על הרופאים המטפלים.

 

JAMA Netw Open. Published October 21, 2020

 

לידיעה במדסקייפ

 

 

מידע נוסף לעיונך

© e-Med 2020 | כל הזכויות שמורות
שתף מקרה קליני