Systemet avgör om en patient uppfyller de diagnostiska kriterierna för en ätstörning och vilken typ av ätstörning som anorexia nervosa, bulimia nervosa eller hetsätningsstörning. Så patienter tenderar att vara mer ärliga när de svarar på en dator än en fysisk person. Och naturligtvis sparar systemet tid för klinikern.
Syftet med metoden är att förbättra tillförlitligheten i ätstörningsdiagnos, hjälpa kliniker att välja ut de som lider av en ätstörning och hänvisa de som inte uppfyller ätstörningskriterierna till andra behandlingar eller inga behandlingar. Demonstrerar procedurerna kommer att vara Alkioni Glibi, en forskningsassistent vid vårt laboratorium. När patienten har hänvisats navigerar du till webbens målsida med vilken modern webbläsare som helst.
Använd ett befintligt konto som är kopplat till en kliniker för att logga in på webbverktyget. Fyll i patientregistreringsformuläret, inklusive patient-ID, födelsedatum, ålder och kön, personnummer. Tryck på Spara-knappen för att registrera en ny patient.
Öppna enkätapplikationen på en smart enhet. Fyll i personnummer och första besöksdatum för patienten. Det aktuella datumet används som standard.
Fyll sedan i informationen som motsvarar patientens vikt, längd och ålder. Fyll sedan i informationen som motsvarar beteende som inducerad kräkningar, mellanmålsfrekvens och äthastighet, följt av uppgifter som motsvarar kognitiva och känslomässiga föremål, såsom rädsla för att gå upp i vikt och känslor av kroppsdysmorfi. Tryck på knappen Klar för att avsluta frågeformuläret.
Navigera till webbens målsida med valfri webbläsare. Använd ett befintligt konto för att logga in på webbverktyget. Sök efter patienten med hjälp av patientens personnummer eller patient-ID.Lägg till uppmätt vikt och längd i systemet.
Tryck på fliken Resultat för att få det algoritmiska beslutet om patienten har en ätstörning eller ED och vilken typ av ED. Tryck sedan på fliken frågor ett till 20 eller frågor 21 till 34 för att visa de frågor där patientens svar avviker från svar från friska individer. Välj en slutlig diagnos under fliken Resultat, baserat på algoritmen och klinikerns expertis. Ett exempel på en riskbedömningssida för rekommenderad diagnos och den uppskattade sannolikheten för noggrannhet från noll till en visas här.
Från den rekommenderade diagnosen och frågeformulärsvaren genererades friska och avvikande svar. Algoritmen som uppskattar sannolikheten för olika typer av ätstörningar för individen demonstreras här. Modellens noggrannhet bestämdes till 97,1 för ED och 82,8 för ED-diagnos.
En annan fördel med systemet är att det ger svaren som är ansvariga för den föreslagna diagnosen, vilket gör det möjligt för systemet att lära kliniker att diagnostisera patienter bättre och att konsultera ytterligare vårdpersonal i svåra fall.