L'impatto della prevenzione della psicosi è limitato dall'efficacia con cui possiamo rilevare le persone a rischio. Questo protocollo presenta un nuovo approccio per l'implementazione di un servizio di rilevamento e allarme del rischio di psicosi in un sistema di registrazione sanitaria elettronica del mondo reale. Il vantaggio principale di questo calcolatore di rischio individualizzato basato clinicamente è che consente il rilevamento automatico di individui a rischio di psicosi su larga scala utilizzando cartelle cliniche elettroniche in diverse condizioni mentali e in tempo reale.
I metodi attuali per rilevare le persone a rischio di psicosi sono relativamente inefficienti con solo il 5-12% dei casi di psicosi del primo episodio rilevati. Questo sistema consente un migliore rilevamento delle persone a rischio e una migliore comunicazione con i medici. La piattaforma sviluppata può essere personalizzata per altri sistemi di modellazione e rilevamento della previsione del rischio in psichiatria e questo può supportare l'implementazione della medicina di precisione nelle cure cliniche a beneficio dei pazienti.
Vogliamo diffondere questo nuovo metodo alla comunità in generale e interagire con altri ricercatori, clinici, pazienti, badanti e stakeholder per promuovere l'implementazione della medicina di precisione in psichiatria. Speriamo che questo video faciliti il raggiungimento di questo obiettivo. Sebbene lo script, che è stato utilizzato per distribuire questo sistema e il metodo, siano descritti in dettaglio nello studio.
Il nostro team di ricerca sarà lieto di assistere i futuri ricercatori che potrebbero voler implementare un approccio simile sulle loro impostazioni cliniche. Inizia scaricando o clonando il repository di codice da GitHub. Per configurare la pipeline CogStack per l'gestione dei dati, aprire la cogstack_deploy/cogstack/directory e modificare la psicosi.
e modificare le impostazioni della sezione source:dbconfiguration in base all'impostazione elettronica del database dei record di integrità, inclusa la specifica dell'indirizzo IP del server di database, del nome del database, del nome utente del database e della password. Aprire un web browser e accedere all'interfaccia utente di Kibana. Per la prima volta accedendo a Kibana, fare clic sulla scheda Modelli di gestione e indice per specificare un indice di ricerca elastico di interesse e immettere psychosis_base nel campo del modello di indice.
Fare clic su Passaggio successivo e selezionare ETL_updated_dttm nome del campo filtro ora. Quindi fate clic su Crea modello indice (Create Index Pattern) per aggiungere psychosis_base modello di indice per Kibana. Una volta che Kibana è collegato all'indice di ricerca elastico, cerca e sfoglia i dati di origine in modo interattivo attraverso la pagina di individuazione.
Per accedere al calcolatore dei rischi, aprire una nuova finestra terminale e aprire la directory della psicosi. Inserisci il comando appropriato nel terminale per installare tutti i pacchetti Python richiesti utilizzati nel calcolatore di rischio ed eseguire il calcolatore del rischio di psicosi. Se il processo è stato completato correttamente, i registri del calcolo del rischio verranno stampati nel terminale e i risultati del rischio verranno memorizzati in un nuovo indice di ricerca elastico chiamato psychosis_risk all'interno della piattaforma CogStack.
Per controllare i risultati del rischio nell'interfaccia di Kibana, aggiungere un nuovo modello di indice psychosis_risk per connettere Kibana con l'indice psychosis_risk ed esplorare i risultati del rischio attraverso la pagina di individuazione. Per creare visualizzazioni e dashboard per ottenere una panoramica delle caratteristiche per l'intera popolazione di pazienti a rischio, fare clic su Visualizza e quindi su Crea nuova visualizzazione. Selezionare il tipo di visualizzazione e psychosis_risk come indice da visualizzare.
Una volta create le singole visualizzazioni, fare clic su Dashboard per creare un dashboard che visualizza insieme un set di visualizzazioni correlate. Per creare avvisi per i medici quando i pazienti sono a rischio di psicosi, fare clic su Gestione e Osservatore. Per configurare un nuovo watcher, fare clic su Crea orologio avanzato e immettere l'ID e il nome.
Per inviare un messaggio di posta elettronica di avviso all'indirizzo di un clinico, eliminare il contenuto della sezione JSON dell'orologio e copiare il contenuto nel watcher. json file con la directory psicosi alla sezione JSON orologio. Prima di salvare l'osservatore, fare clic su Simula per testare l'esecuzione del watcher.
Se il watcher è impostato correttamente, verrà visualizzato l'output di simulazione. In questa figura rappresentativa, il numero di record inseriti in CogStack nel tempo può essere osservato in ordine cronologico in base all'ultima data di aggiornamento di un record. Al confronto dei numeri e del contenuto dei record nel database nell'indice di ricerca elastico, non sono stati rilevati dati mancanti e discrepant che confermano l'affidabilità della pipeline CogStack e l'gestione dei dati nella sincronizzazione.
Come dimostrano queste cifre, è possibile visualizzare le caratteristiche per i pazienti a rischio di psicosi, tra cui etnie dei pazienti, sesso, età e categorie di diagnosi. Qui, l'interfaccia per impostare un servizio di avviso del rischio utilizzando il componente orologio in Kibana come dimostrato può essere osservata. Una volta configurato correttamente questo servizio, gli utenti riceveranno una notifica via e-mail se ci sono uno o più pazienti il cui rischio di psicosi in due anni è superiore al 5%È importante eseguire la convalida incrociata per garantire che le informazioni corrette vengano estratte dal sistema di registrazione sanitaria elettronica locale.
Possiamo integrare una versione raffinata di questo calcolatore di rischio e questo protocollo per migliorare ulteriormente la previsione dei risultati. Possiamo integrare ulteriormente una versione dinamica di questo calcolatore di rischio che consentirebbe l'aggiornamento in tempo reale dei risultati man mano che i sintomi del paziente cambiano, fornendo quindi previsioni più affidabili che riflettono meglio il percorso clinico di un paziente. Questo protocollo può essere riconfigurato per consentire avvisi di monitoraggio e recapito ad altri modelli di previsione del rischio che consentono ai medici di prendere decisioni tempestive per migliorare l'assistenza, la sicurezza e l'esperienza dei pazienti.
