Самоубийства – 10-я ведущая причина смерти в США (12.6 случаев на 100000) и один из самых страшных исходов психического заболевания. Проблема заключается в выявлении пациентов с высоким риском суицида. Поскольку после выписки из больницы существует повышенный риск самоубийства, выписка из больницы – это момент для более активного вмешательства.
Рой Х. Перлис, М.D., M.S., из Массачусетской больницы общего профиля, Бостон, и соавторы исследовали, может ли компьютерная обработка на естественном языке повествовательных выписок из больницы помочь выявить пациентов с риском самоубийства после медицинской или хирургической выписки из больницы.
Они использовали тщательно подобранный список из примерно 3000 слов, передающих валентность (i.е. эмоция).
Положительная валентность включала такие термины, как рад, приятный и прекрасный; отрицательная валентность включала такие термины, как мрачный, неудачный и грустный.
Авторы проанализировали клинические данные для пациентов из двух крупных академических медицинских центров с 2005 по 2013 год, в результате чего в исследуемой группе было выписано 845 417 пациентов для 458 053 отдельных лиц.
Общий уровень смертности от всех причин составил 18 процентов за девять лет исследования.
На всю исследуемую группу было 235 (0.1 процент) самоубийств при последующем наблюдении, согласно результатам.
Положительные эмоции, отраженные в описательных заметках, были связаны с 30-процентным снижением риска самоубийства в аналитических моделях, сообщают авторы.
Ограничения исследования включают потенциальную ошибочную классификацию, отсутствие изучения специфических особенностей психопатологии и получение результатов, основанных на пациентах в двух академических центрах, поэтому возникают вопросы обобщаемости.
«В то время как ценность больших наборов данных в здравоохранении, несомненно, была предметом существенных преувеличений, наши результаты дополняют растущий объем работ, указывающих на возможность использования таких наборов данных со стандартными вычислительными инструментами для составления прогнозов, которые могут быть применены для стратификации риск.
Автоматизированные инструменты, помогающие клиницистам в оценке этих рисков, могут помочь в выявлении лиц с высоким риском », – говорится в исследовании.