Autor/autores:
Robert B. Penfold, Eric Johnson, Susan M. Shortreed...(et.al)
Pocos estudios informan sobre modelos de aprendizaje automático para la predicción del riesgo de suicidio en adolescentes y su utilidad para identificar a quienes necesitan una evaluación adicional. Este estudio examinó si un modelo entrenado y validado con datos de todos los grupos de edad funciona también para los adolescentes o si podría mejorarse. Usam...
PUBLICIDAD
Crea tu cuenta gratis y léelo completo ahora.
¿Ya estás registrado? Inicia sesión aquí .
Pocos estudios informan sobre modelos de aprendizaje automático para la predicción del riesgo de suicidio en adolescentes y su utilidad para identificar a quienes necesitan una evaluación adicional. Este estudio examinó si un modelo entrenado y validado con datos de todos los grupos de edad funciona también para los adolescentes o si podría mejorarse.
Usamos datos de atención médica para 1. 4 millones de visitas ambulatorias especializadas en salud mental y atención primaria entre 256, 823 adolescentes en 7 sistemas de salud. El objetivo de predicción fue el riesgo de intento de suicidio en 90 días después de una visita. Usamos regresión logística con operador de selección y contracción mínima absoluta (LASSO) y ecuaciones de estimación generalizadas (GEE) para predecir el riesgo.
Comparamos el rendimiento de tres modelos: un modelo existente, una versión recalibrada de ese modelo y un modelo recién aprendido. Los modelos se compararon utilizando el área bajo la curva de funcionamiento del receptor (AUC), la sensibilidad, la especificidad, el valor predictivo positivo y el valor predictivo negativo.
El AUC producido por el modelo existente para visitas especializadas de salud mental estimadas solo en adolescentes (0. 796; [0. 789, 0. 802]) no fue significativamente diferente del AUC del modelo existente recalibrado (0. 794; [0. 787, 0. 80]) o del nuevo modelo. modelo aprendido (0, 795; [0, 789, 0, 801]). El riesgo previsto después de las visitas de atención primaria también fue similar: existente (0, 855; [0, 844, 0, 866]), recalibrado (0, 85 [0, 839, 0, 862]), recién aprendido (0, 842, [0, 829, 0, 854]).
Los modelos no incorporaron factores de riesgo no sanitarios. Los modelos se basaron en los códigos ICD9-CM para el diagnóstico y la medición de resultados.
Los modelos de predicción que ya están en uso operativo por los sistemas de salud pueden emplearse de manera confiable para identificar a los adolescentes que necesitan una evaluación adicional.
Para acceder al texto completo consulte las características de suscripción de la fuente original:https://www.sciencedirect.com/
Explora el artículo con IA