Autor/autores:
Edgcomb JB , Tseng C , Pan M...(et.sl)
Aunque el suicidio es una de las principales causas de muerte entre los niños, se desconoce cuál es el enfoque óptimo para usar conjuntos de datos de atención médica para detectar emergencias relacionadas con el suicidio entre los niños. Objetivo Este estudio tuvo como objetivo evaluar el desempeño de los códigos de la clasificación ...
Estás viendo una versión reducida de este contenido.
Para consultar la información completa debes registrarte gratuitamente.
Tan sólo te llevará unos segundos.
Y si ya estás registrado inicia sesión pulsando aquí.
Aunque el suicidio es una de las principales causas de muerte entre los niños, se desconoce cuál es el enfoque óptimo para usar conjuntos de datos de atención médica para detectar emergencias relacionadas con el suicidio entre los niños.
Este estudio tuvo como objetivo evaluar el desempeño de los códigos de la clasificación Internacional de Enfermedades (ICD-10-CM) relacionadas con el suicidio y la queja principal relacionada con el suicidio en la detección de pensamientos y conductas autolesivas (SITB) entre niños en comparación con revisión de la historia clínica.
El estudio también tuvo como objetivo examinar las variaciones en el rendimiento según la sociodemografía infantil y el tipo de autolesión, así como desarrollar modelos de aprendizaje automático entrenados en datos de registros de salud codificados (características) y revisión de cuadros clínicos (estándar de oro) y rendimiento de detección del modelo de prueba.
Se determinó una clasificación estándar de oro de las emergencias relacionadas con el suicidio a través de la revisión manual del médico de las notas clínicas de 600 visitas al departamento de emergencias entre 2015 y 2019 de niños de 10 a 17 años. Las visitas clasificadas con intento de suicidio no fatal o autoagresión intencional utilizando la lista de definición de casos de vigilancia de los Centros para el Control y la prevención de Enfermedades de los códigos ICD-10-CM y la queja principal relacionada con el suicidio se compararon con la clasificación estándar de oro.
Los clasificadores de aprendizaje automático (menor reducción absoluta y operador de selección, regresión logística penalizada y bosque aleatorio) se entrenaron y probaron utilizando datos de registros de salud codificados (p. ej. , sociodemografía infantil, medicamentos, disposición y pruebas de laboratorio) y la clasificación estándar de oro.
SITB representó el 47, 3% (284/600) de las visitas. Los códigos de diagnóstico relacionados con el suicidio pasaron por alto casi un tercio (82/284, 28, 9 %) y las quejas principales relacionadas con el suicidio pasaron por alto más de la mitad (153/284, 53, 9 %) de los niños que acudieron a los departamentos de emergencia con SITB.
La sensibilidad fue significativamente menor para los niños varones que para las niñas (0, 69, IC del 95 % 0, 61-0, 77 frente a 0, 84, IC del 95 % 0, 78-0, 90, respectivamente) y para los preadolescentes en comparación con los adolescentes (0, 66, IC del 95 % 0, 54-0, 78 frente a 0, 86, IC 95% 0, 80-0, 92, respectivamente). La especificidad fue significativamente menor para detectar actos preparatorios (0, 68, IC 95% 0, 64-0, 72) e intentos (0, 67, IC 95% 0, 63-0, 71) que para detectar ideación (0, 79, IC 95% 0, 75-0, 82). Los modelos basados en el aprendizaje automático mejoraron significativamente la sensibilidad de detección en comparación con los códigos relacionados con el suicidio y la queja principal por sí sola.
La capacidad para detectar niños con SITB puede fortalecerse mediante la aplicación de un enfoque basado en el aprendizaje automático a los datos de registros de salud codificados.
Para mejorar la integración entre la informática de la investigación clínica y la atención de la salud mental infantil, se necesita investigación futura para evaluar los beneficios potenciales de implementar enfoques de detección en el punto de atención e identificar objetivos precisos para las intervenciones de prevención del suicidio en niños.
Para acceder al texto completo consulte las características de suscripción de la fuente original:https://mental.jmir.org/
