Forscher an der Regenstrief Institute und der Indiana University erstellt entscheidungsmodelle in der Lage vorauszusagen, welche Patienten möglicherweise mehr brauchen Behandlung für Ihre depression als das, was Ihre primäre Leistungserbringer anbieten können. Die algorithmen wurden speziell entwickelt, um Informationen, die der Kliniker kann handeln auf und passen in die bestehenden klinischen workflows.
Die Depression ist die am häufigsten auftretende psychische Erkrankung in der Welt. Die World Health Organisation schätzt, dass es wirkt sich auf etwa 350 Millionen Menschen. Manche Menschen können in der Lage sein, zu verwalten Ihre depression auf eigene Faust oder mit Führung von einem primary-care-Anbieter. Aber, andere haben mehr schwere depression erfordert erweiterte Pflege von mental health care Provider.
Die Regenstrief und IE Forscher erstellten algorithmen zu identifizieren, die Patienten so, dass die primäre Versorgung ärzte und Anbieter können verweisen Sie auf die psychische Gesundheit-Spezialisten.
„Unser Ziel war es, zu bauen, die reproduzierbare Modelle, die passen in die klinische workflows“, sagt Suranga N. Kasthurirathne, PhD, Erstautor der Studie und Wissenschaftler am Regenstrief-Institut. „Dieser Algorithmus ist einzigartig, denn es bietet umsetzbare Informationen für Kliniker, Ihnen zu helfen, zu identifizieren, welche Patienten können ein erhöhtes Risiko für unerwünschte Ereignisse aus der depression.“
Die algorithmen kombiniert eine Vielzahl von Verhaltens-und klinischen Informationen aus der Indiana-Netz für Patientenversorgung, eine statewide health information exchange, für Patienten an der Eskenazi-Gesundheit. Dr. Kasthurirathne und sein team entwickelten algorithmen für die gesamte Patientenpopulation, sowie verschiedene high-risk-Gruppen.
„Durch die Schaffung von Modellen für verschiedene Patientenpopulationen, bieten wir Gesundheits-system-Staats-und Regierungschefs die Möglichkeit, die Auswahl der besten screening-Ansatz für Ihre Bedürfnisse,“ sagte Dr. Kasthurirathne. „Vielleicht haben Sie nicht die rechnerische oder menschlichen Ressourcen, um Modelle, die auf jeden einzelnen Patienten. Dies gibt Ihnen die option, um Bildschirm wählen Sie hoch-Risiko-Patienten.“ Dr. Kasthurirathne ist auch als visiting research assistant professor an der Indiana University Richard M. Fairbanks School of Public Health an der IUPUI.
„Primary care ärzte haben oft nur eine begrenzte Zeit, und der Identifizierung von Patienten mit schweren Formen der depression kann eine Herausforderung sein und zeitaufwendig. Unser Modell hilft Ihnen zu helfen, Ihre Patienten effizienter und verbessern die Qualität der Versorgung gleichzeitig“, sagte Shaun Grannis, M. D., M. S., co-Autor auf dem Papier und Direktor des Clem McDonald Mitte für Biomedizinische informatik am Regenstrief-Institut. „Unser Ansatz ist auch gut geeignet, um die Hebelwirkung erhöht die Gesundheits-Informationstechnologie-Einführung und die Interoperabilität zu ermöglichen Gesundheitsvorsorge und zur Verbesserung des Zugangs zum rundum-Gesundheits-Dienstleistungen.“ Dr. Grannis ist der Clem McDonald, Professor der Biomedizinischen informatik an der Indiana University School of Medicine.
Die Forscher arbeiten nun daran, die Integration sozialer Determinanten von Gesundheit in diese Modelle.
Diese Forschung wurde als Teil der Dr. Kasthurirathne seiner dissertation.