Αλγόριθμος Ηλεκτρονικού Μητρώου Υγείας (EHR) Προσδιορίζει παιδιά με ΔΕΠΥ και Συννοσηρότητες

22 Αυγούστου 2022

Ένας νέος αλγόριθμος ηλεκτρονικών αρχείων υγείας (EHR), που μπορεί να διαφοροποιήσει την υπερκινητικότητα λόγω ελλειμματικής προσοχής διαταραχή (ΔΕΠΥ) από συννοσηρές παθήσεις στα παιδιά, μπορεί να οδηγήσει σε ακριβέστερες διαγνώσεις και θεραπεία παρεμβάσεις. Σύμφωνα με ευρήματα που δημοσιεύτηκαν στο περιοδικό Νευροαναπτυξιακές Διαταραχές, περισσότερα από τα μισά παιδιά με ΔΕΠΥ έχουν μία ή περισσότερες συννοσηρότητες. Αυτό έχει μπερδέψει τους κλινικούς γιατρούς που είχαν πρόβλημα να διακρίνουν εάν τα συμπτώματα ενός ασθενούς προκλήθηκαν από ΔΕΠΥ ή συννοσηρότητα.¹

Δεδομένης της επικράτησης του Συννοσηρότητες ΔΕΠΥ, ερευνητές από το Κέντρο Εφαρμοσμένης Γονιδιωματικής (CAG) στο Νοσοκομείο Παίδων της Φιλαδέλφειας (CHOP) ανέπτυξε έναν αλγόριθμο βασισμένο σε κανόνες EHR πολλαπλών πηγών με εξόρυξη δοκιμών επεξεργασίας φυσικής γλώσσας (NLP) για να παρέχει μια ολοκληρωμένη εικόνα του ιατρικού αρχείου ενός ασθενούς. Χρησιμοποιώντας ηλεκτρονικά αρχεία υγείας και δεδομένα από το CHOP και δεδομένα από το CAG μεταξύ 2009 και 2016, ερευνητική ομάδα πραγματοποίησε μια αναδρομική μελέτη περιπτώσεων ελέγχου σε συνολικά 51.293 ασθενείς ηλικίας οκτώ και Παλαιότερα. Από αυτούς, 5.840 διαγνώστηκαν με ΔΕΠΥ. Μεταξύ αυτών των περιπτώσεων, το 46,1% είχε ΔΕΠΥ μόνο και το 53,9% είχε ΔΕΠΥ μαζί με τουλάχιστον μία συννοσηρότητα.

Ο αλγόριθμος είχε θετική προγνωστική αξία 95% για τη ΔΕΠΥ και 93% για τους μάρτυρες και είχε θετική προγνωστική αξία που κυμαίνεται από 60% έως 100% για συννοσηρότητες. Ο μεγαλύτερος αριθμός ασθενών με συννοσηρότητες, όπως π.χ ανησυχία (27,1% των περιπτώσεων ΔΕΠΥ) και Διαταραχές στο φάσμα του αυτισμού (15,1% των περιπτώσεων), απέδωσε πιο ακριβή αποτελέσματα. Περιλαμβάνονταν και άλλες συννοσηρότητες που παρατηρήθηκαν στην κοόρτη μαθησιακές διαταραχές (11.8%), διαταραχή συμπεριφοράς (10,1%) και αντιθετική προκλητική διαταραχή (9.1%).¹

ΔΕΠΥ οι λέξεις-κλειδιά δεν βοήθησαν σημαντικά στη διάκριση των ασθενών. Ωστόσο, τα ειδικά για τη ΔΕΠΥ φάρμακα σε ΗΜΥ το έκαναν — αύξησαν τις εντοπισμένες περιπτώσεις κατά 21%.

Αν και ο αλγόριθμος βρίσκεται στα αρχικά στάδια ανάπτυξης, οι ερευνητές συνιστούν την εφαρμογή του σε μελέτες γονιδιωματικής και ανακάλυψης. «Με τις υψηλές θετικές προγνωστικές τιμές που επιτυγχάνονται από αυτόν τον αλγόριθμο, πιστεύουμε ότι έχουμε αναπτύξει ένα ισχυρό και χρήσιμο εργαλείο για τον εντοπισμό κατάλληλων συνόλων δεδομένων και διάκριση με επιτυχία μεταξύ ομάδων ασθενών», δήλωσε ο Hakon Hakonarson, M.D., Ph. D., διευθυντής του Κέντρου Εφαρμοσμένης Γονιδιωματικής στο CHOP και ανώτερος συγγραφέας του μελέτη. «Είναι πιθανό αυτές οι ομάδες με ή χωρίς συννοσηρότητες να ανταποκρίνονται διαφορετικά στη φαρμακευτική αγωγή, κάτι που θα μπορούσε να μας βοηθήσει να σχεδιάσουμε καλύτερες και πιο αποτελεσματικές μεθόδους για θεραπευτικές παρεμβάσεις».

Πηγή

¹Slaby, I., Hain, H. S., Abrams, D., Mentch, F. D., Glessner, J. T., Sleiman, P., & Hakonarson, H. (2022). Ένας αλγόριθμος φαινοτύπου ηλεκτρονικού μητρώου υγείας (EHR) για τον εντοπισμό ασθενών με διαταραχές ελλειμματικής προσοχής και υπερκινητικότητας (ADHD) και ψυχιατρικές συννοσηρότητες. Περιοδικό Νευροαναπτυξιακών Διαταραχών, 14(1), 37.
https://doi.org/10.1186/s11689-022-09447-9

• Facebook
• Κελάδημα
• Ίνσταγκραμ
• Pinterest