Le suicide peut-il être prédit à partir des dossiers des patients?

Une nouvelle étude démontre qu'un modèle informatique prédictif peut identifier les patients à risque de tentative de suicide à partir des modèles de leurs dossiers de santé électroniques - en moyenne deux ans à l'avance.

De tels modèles pourraient potentiellement alerter les professionnels de la santé avant une visite et aider les patients à obtenir des interventions appropriées, affirment des chercheurs du Boston Children’s Hospital et du Massachusetts General Hospital.

Les résultats sont publiés dans Réseau JAMA ouvert.

«Les ordinateurs ne peuvent pas remplacer les équipes de soins dans l'identification des problèmes de santé mentale. Mais nous pensons que les ordinateurs, s'ils sont bien conçus, pourraient identifier les patients à haut risque qui pourraient actuellement passer entre les mailles du filet, sans que le système de santé ne le remarque », a déclaré Ben Reis, Ph.D., directeur du Predictive Medicine Group, qui fait partie de le Computational Health Informatics Program (CHIP) du Boston Children's Hospital et co-auteur principal de l'article.

«Nous envisageons un système qui pourrait dire au médecin:« De tous vos patients, ces trois patients appartiennent à une catégorie à haut risque. Prenez quelques minutes supplémentaires pour leur parler. '»

Pour l'étude, les chercheurs ont analysé les données des dossiers de santé électroniques de plus de 3,7 millions de patients âgés de 10 à 90 ans dans cinq systèmes de soins de santé américains divers: Partners HealthCare System à Boston; Centre médical de Boston; L’hôpital pour enfants de Boston; Centre médical de Wake Forest en Caroline du Nord; et Centre des sciences de la santé de l'Université du Texas à Houston.

Entre 6 et 17 ans de données étaient disponibles dans les différents centres, y compris les codes de diagnostic, les résultats des tests de laboratoire, les codes de procédure médicale et les médicaments.

Les dossiers ont révélé un total de 39 162 tentatives de suicide. Les modèles ont pu en détecter 38% (entre 33 et 39% dans les cinq centres) avec une spécificité de 90%. Les cas ont été ramassés en moyenne 2,1 ans avant la tentative de suicide réelle (intervalle de 1,3 à 3,5 ans).

Les prédicteurs les plus puissants, sans surprise, comprenaient les intoxications aux drogues, la toxicomanie, l'intoxication aiguë à l'alcool et plusieurs problèmes de santé mentale. Mais d’autres facteurs prédictifs ne me viennent pas d’ordinaire à l’esprit, comme la rhabdomyolyse, la cellulite ou l’abcès de la main et les médicaments anti-VIH.

«Il n’y avait pas un seul prédicteur», dit Reis. «Il s’agit davantage d’une gestalt ou d’une balance des preuves, un signal général qui s’accumule au fil du temps.»

L'équipe a développé le modèle en deux étapes, en utilisant une approche d'apprentissage automatique. Premièrement, ils ont montré la moitié des données de leurs patients à un modèle informatique, en le dirigeant pour trouver des modèles associés à des tentatives de suicide documentées.

Ensuite, ils ont tiré les leçons de cet exercice de «formation» et les ont validées en utilisant l'autre moitié de leurs données; demander au modèle de prédire, en se basant uniquement sur ces modèles, quels patients finiraient par tenter de se suicider.

Dans l'ensemble, le modèle a fonctionné de manière similaire dans les cinq centres médicaux, mais le recyclage du modèle dans les centres individuels a donné de meilleurs résultats.

«Nous aurions pu créer un modèle pour tous les centres médicaux, en utilisant les mêmes codes», a déclaré Yuval Barak-Corren, M.D., de CHIP, premier auteur de l'article. «Mais nous avons choisi une approche qui construit automatiquement un modèle légèrement différent, adapté aux spécificités de chaque site de soins de santé.»

Le suicide est désormais la deuxième cause de décès la plus fréquente chez les jeunes américains. Les suicides mortels ont augmenté de 30% entre 2000 et 2016, et 2016 à elle seule a vu 1,3 million de tentatives de suicide non mortelles.

Les résultats confirment la valeur de l'adaptation du modèle à chaque site, puisque les centres de soins de santé peuvent avoir des facteurs prédictifs uniques, basés sur les différentes pratiques de codage des hôpitaux et sur les caractéristiques démographiques et sanitaires locales.

Source: Hôpital pour enfants de Boston