Elektronisk helsejournal (EPJ) Algoritme identifiserer barn med ADHD og komorbiditeter
22. august 2022
En ny elektronisk helsejournal (EPJ) algoritme, som kan skille oppmerksomhetsunderskudd hyperaktivitet lidelse (ADHD) fra komorbide tilstander hos barn, kan føre til mer nøyaktige diagnoser og behandling inngrep. I følge funn publisert i tidsskriftet Nevroutviklingsforstyrrelser, har mer enn halvparten av barn med ADHD én komorbiditet eller flere. Dette har forvirret klinikere som har hatt problemer med å se om en pasients symptomer var forårsaket av ADHD eller komorbiditet.1
Gitt utbredelsen av ADHD-komorbiditeter, forskere fra Center for Applied Genomics (CAG) på Barnesykehuset i Philadelphia (CHOP) utviklet en multi-kilde EPJ regelbasert algoritme med naturlig språkbehandling (NLP) test mining for å gi en omfattende oversikt over en pasients journal. Ved å bruke elektroniske helsejournaler og data fra CHOP, og data fra CAG mellom 2009 og 2016, forskerteamet utførte en retrospektiv case-kontroll studie på totalt 51 293 pasienter i alderen åtte og eldre. Av disse ble 5840 diagnostisert med ADHD; blant disse tilfellene hadde 46,1 % ADHD alene, og 53,9 % hadde ADHD sammen med minst én komorbiditet.
Algoritmen hadde en positiv prediktiv verdi på 95 % for ADHD og 93 % for kontroller, og den hadde en positiv prediktiv verdi fra 60 % til 100 % for komorbide tilstander. Jo høyere antall pasienter med komorbiditeter, som f.eks angst (27,1 % av ADHD-tilfellene) og autismespekterforstyrrelse (15,1 % av tilfellene), ga mer nøyaktige resultater. Andre komorbiditeter observert i kohorten inkludert læringsforstyrrelser (11.8%), atferdsforstyrrelse (10,1%), og opposisjonell trassig lidelse (9.1%).1
ADHD nøkkelord hjalp ikke i vesentlig grad med å skille pasienter. Imidlertid gjorde ADHD-spesifikke medisiner på EPJ - det økte identifiserte tilfeller med 21%.
Selv om algoritmen er i de tidlige stadiene av utviklingen, anbefaler forskere å implementere den i genomikk og oppdagelsesbaserte studier. "Med de høye positive prediktive verdiene oppnådd med denne algoritmen, tror vi at vi har utviklet et robust og nyttig verktøy for å identifisere passende datasett og lykkes med å skille mellom grupper av pasienter, sier Hakon Hakonarson, M.D., Ph.D., direktør for Center for Applied Genomics ved CHOP og seniorforfatter av studere. "Det er mulig at disse gruppene med eller uten komorbiditeter kan reagere annerledes på medisiner, noe som kan hjelpe oss med å designe bedre og mer effektive metoder for terapeutiske intervensjoner."
Kilde
1Slaby, I., Hain, H. S., Abrams, D., Mentch, F. D., Glessner, J. T., Sleiman, P., & Hakonarson, H. (2022). En elektronisk helsejournal (EPJ) fenotypealgoritme for å identifisere pasienter med oppmerksomhetsunderskudd hyperaktivitetsforstyrrelser (ADHD) og psykiatriske komorbiditeter. Journal of neurodevelopmental disorders, 14(1), 37.
https://doi.org/10.1186/s11689-022-09447-9
Siden 1998 har millioner av foreldre og voksne stolt på ADDitudes ekspertveiledning og støtte for å leve bedre med ADHD og relaterte psykiske helsetilstander. Vårt oppdrag er å være din pålitelige rådgiver, en urokkelig kilde til forståelse og veiledning langs veien til velvære.
Få en gratis utgave og gratis ADDitude eBook, pluss spar 42 % på omslagsprisen.
