Het systeem bepaalt of een patiënt voldoet aan de diagnostische criteria voor een eetstoornis en welk type eetstoornis zoals anorexia nervosa, boulimia nervosa of eetbuistoornis. Patiënten zijn dus over het algemeen eerlijker bij het beantwoorden van een computer dan een fysiek persoon. En natuurlijk bespaart het systeem tijd voor de clinicus.
Het doel van de methode is om de betrouwbaarheid van de diagnose eetstoornis te verbeteren, clinici te helpen bij het selecteren van mensen die lijden aan een eetstoornis en degenen die niet voldoen aan de eetstoorniscriteria door te verwijzen naar andere behandelingen of geen behandelingen. De procedures worden gedemonstreerd door Alkioni Glibi, een onderzoeksassistent in ons laboratorium. Navigeer na verwijzing van de patiënt naar de bestemmingspagina van het web met behulp van een moderne browser.
Gebruik een bestaand account dat is gekoppeld aan een arts om u aan te melden bij de webtool. Vul het patiëntregistratieformulier in, inclusief patiënt-ID, geboortedatum, leeftijd en geslacht, burgerservicenummer. Druk op de knop Opslaan om een nieuwe patiënt te registreren.
Open de vragenlijsttoepassing op een smartapparaat. Vul het sofinummer en de eerste bezoekdatum voor de patiënt in. De huidige datum wordt standaard gebruikt.
Vul vervolgens de informatie in die overeenkomt met het gewicht, de lengte en de leeftijd van de patiënt. Vul vervolgens de informatie in die overeenkomt met gedrag zoals geïnduceerd braken, snackfrequentie en eetsnelheid, gevolgd door details die overeenkomen met cognitieve en emotionele items, zoals angst om aan te komen en gevoelens van lichaamsdysmorfie. Druk op de knop Gereed om de vragenlijst in te vullen.
Navigeer naar de bestemmingspagina van het web met behulp van een webbrowser. Gebruik een bestaand account om u aan te melden bij de webtool. Zoek naar de patiënt met behulp van het burgerservicenummer van de patiënt of de patiënt-ID.Voeg gemeten gewicht en lengte toe aan het systeem.
Druk op het tabblad Resultaat om de algoritmische beslissing te krijgen of de patiënt een eetstoornis of ED heeft en welk type ED. Druk vervolgens op het tabblad vragen één tot en met 20 of vragen 21 tot en met 34 om de vragen weer te geven waarbij de antwoorden van de patiënt afwijken van antwoorden door gezonde personen. Selecteer een definitieve diagnose op het tabblad Resultaat, op basis van het algoritme en de expertise van de clinicus. Een voorbeeld van een risicobeoordelingspagina voor aanbevolen diagnose en de geschatte waarschijnlijkheid van nauwkeurigheid van nul tot één wordt hier weergegeven.
Uit de aanbevolen diagnose- en vragenlijstreacties werden gezonde en afwijkende antwoorden gegenereerd. Het algoritme dat de waarschijnlijkheid van verschillende soorten eetstoornissen voor het individu schat, wordt hier gedemonstreerd. De nauwkeurigheid van het model werd vastgesteld op 97,1 voor ED en 82,8 voor ED-diagnose.
Een ander voordeel van het systeem is dat het de antwoorden biedt die verantwoordelijk zijn voor de voorgestelde diagnose, waardoor het systeem clinici kan leren patiënten beter te diagnosticeren en extra gezondheidswerkers te raadplegen in moeilijke gevallen.
