机器学习模式有助于临床医生确定需要高级抑郁护理的人

Egenstrief Institute和印第安纳大学的研究人员创造了能够预测哪些患者可能需要更多抑郁症治疗的决策模型，而不是其主要护理提供者可以提供的。该算法专门设计为提供临床医生可以采取行动和适合现有的临床工作流程的信息。

抑郁症是最常见的精神疾病在世界上。世界卫生组织估计它影响了3.5亿人。有些人可以自己或主要护理提供者的指导能够管理他们的抑郁症。但是，其他人可能有更多严重的忧郁症从精神上需要高级护理健康护理提供者。

Regenstrief和IU研究人员创造了算法以识别这些患者，以便初级保健医生和提供者可以将它们转向精神健康专家。

“我们的目标是建立适合临床工作流程的可重复模型，”培训人员纸张和研究科学家的第一个作者博士博士说。“该算法是独一无二的，因为它向临床医生提供了可操作的信息，帮助他们确定哪些患者可能更有可能对抑郁情绪不良事件的风险。”

该算法组合了来自印第安纳州的印第安纳网络的各种行为和临床信息，用于Eskenazi健康患者的患者的患者护理。Kasthurirathne博士和他的团队为整个患者人口以及几个不同的高风险群体开发了算法。

“通过为不同的患者群体创造模型，我们提供健康系统领导人选择选择最佳筛选方法，以便为其需求选择最佳的筛选方法，”Kasthuratrathne博士说。“也许他们没有计算或人力资源来运行每位患者的模型。这使它们可以选择筛选选择高风险患者。”Kasthurirathne博士也是Indiana University Richard M. Fairbanks of Iupui的访问研究助理教授。

“初级保健医生往往具有有限的时间，并识别具有更严重的形式的患者沮丧可能是挑战和耗时的。我们的模型helps them help their patients more efficiently and improve quality of care simultaneously," said Shaun Grannis, M.D., M.S., co-author on the paper and director of the Clem McDonald Center for Biomedical Informatics at Regenstrief Institute. "Our approach is also well suited to leverage increasing health information technology adoption and interoperability to enable preventive care and improve access to wraparound health services." Dr. Grannis is the Clem McDonald Professor of Biomedical Informatics at Indiana University School of Medicine.

研究人员现在正致力于将健康的社会决定因素整合到这些模型中。

这项研究是作为Kasthuratrathne博士论文的一部分进行的。

---

---