Могут ли пациенты испытывать меньше боли и, возможно, иметь лучшие результаты восстановления, если их страхи или эмоциональные проблемы были решены до операции?
Три исследователя из Университета Теннесси, Ноксвилл, недавно разработали прогностическую модель для изучения этого вопроса.
Ребекка Кошалински, доцент в Колледже медсестер; Анахита Ходжанди, доцент кафедры промышленной и системотехники в Техническом колледже Тикла; и Брюс Рамшоу, врач и адъюнкт-профессор в Бизнес-колледже Хаслама, изучили данные, собранные у 102 пациентов, перенесших операцию по восстановлению вентральной грыжи .
Вентральная грыжа — это выпуклость ткани, которая проталкивает точку слабости в мышце брюшной стенки, требуя хирургической коррекции. Приблизительно 350 000 процедур вентральной грыжи происходят каждый год в США и связаны с приблизительно 3 миллиардами долларов в расходах на здравоохранение.
Прогностическая модель предполагает, что эмоциональный статус пациента до операции — уровень депрессии, тревоги, горя или гнева — влияет на результаты восстановления. Пациенты могут испытывать меньше боли, если их страхи или эмоциональные проблемы решаются до операции.
«Если мы начнем реабилитацию, которая включает в себя целостную оценку — не ограничиваясь физическим и эмоциональным состоянием — человека до вмешательства, тогда мы сможем повлиять на результаты», — сказал Кошалинский.
Исследователи изучили исторические данные о пациентах, включая демографические данные и детали хирургических процедур, а также изучили закономерности, которые привели к осложнениям после операции. Сопоставляя информацию, собранную до и во время операций пациентов, с их результатами, исследователи разработали прогностическую модель для выявления будущих пациентов из группы риска.
Предиктивная модель, сгенерированная программированием на Python, может использоваться в качестве инструмента поддержки принятия решений, позволяя практикующим врачам и пациентам легче оценивать риски, связанные с этим типом хирургии. Использование прогнозного моделирования для изучения наборов данных о состоянии здоровья является одним из примеров того, как искусственный интеллект может трансформировать современную систему здравоохранения.
«Существует большой потенциал для разработки инструментов поддержки принятия решений, использующих науку о данных и искусственный интеллект», — сказал Ходжанди. «Мы ежедневно слышим об аналогичных моделях в новостях, посвященных, среди прочего, выявлению опухолей в рентгеновских снимках грудной клетки. Это пример того, как инструмент можно использовать для совместного принятия решений и изменения того, как люди взаимодействуют со здоровьем«.
В исследовании предлагается использовать эту модель в качестве инструмента для врачей, практикующих медсестер и других клиницистов для моделирования различных сценариев для разных пациентов, изучая, как факторы риска меняются для пациентов. Модель может помочь избежать избыточного лечения.
«Я сосредотачиваюсь на человеке и на том, как он может быть лучше информирован и уполномочен участвовать в принятии решений», — сказал Кошалинский. «Надежда состоит в том, что прогностическое моделирование в сочетании с полномочиями пациентов и опытных клинических специалистов может привести к оптимальным результатам для пациентов».
Исследование «Совершенствование совместного принятия решений и планирования лечения с помощью прогнозирующего моделирования: клиническая информация о восстановлении вентральной грыжи» было опубликовано в журнале CIN: компьютеры, информатика, уход за больными Wolters Kluwer Health.