Att diagnostisera ätstörningar i vården är utmanande. Därför utvecklar det nuvarande protokollet en algoritm baserad på 949 patientsvar på ett frågeformulär, där diagnosen visas på ett lättanvänt webbaserat gränssnitt. Detta system underlättar en korrekt diagnos av ätstörningar samtidigt som de som tros ha en ätstörning utesluts.
Ätstörningar (anorexia nervosa, bulimia nervosa, binge-ätstörning och andra specificerade ät- eller matningsstörningar) har en kombinerad prevalens på 13% och är förknippade med allvarliga fysiska och psykosociala problem. Tidig diagnos, som är viktig för effektiv behandling och förebyggande av oönskade långsiktiga hälsokonsekvenser, medför problem bland icke-specialiserade kliniker som inte känner till dessa patienter, till exempel de som arbetar i primärvården. Tidig, korrekt diagnos, särskilt i primärvården, möjliggör expertinsatser tillräckligt tidigt i sjukdomen för att underlätta positiva behandlingsresultat. Datorstödda diagnostiska procedurer erbjuder en möjlig lösning på detta problem genom att tillhandahålla expertis via en algoritm som har utvecklats från ett stort antal fall som har diagnostiserats personligen av expertdiagnostiker och expertvårdare. Ett webbaserat system för att fastställa en korrekt diagnos för patienter som misstänks lida av en ätstörning utvecklades baserat på dessa data. Processen automatiseras med hjälp av en algoritm som uppskattar respondentens sannolikhet att ha en ätstörning och vilken typ av ätstörning individen har. Systemet ger en rapport som fungerar som ett hjälpmedel för kliniker under diagnosprocessen och fungerar som ett pedagogiskt verktyg för nya kliniker.
Bantning och en associerad ökning av fysisk aktivitet är de kända orsakerna till anorexia nervosa och andra ätstörningar1. De vanligaste ätstörningarna som nämns i diagnostikhandboken för psykiska störningar (DSM-5) är anorexia nervosa (AN), bulimia nervosa (BN), binge-eating disorder (BED) och annan specificerad matnings- eller ätstörning (OSFED)2. Dessa störningar drabbar främst kvinnor och åtföljs av allvarliga fysiska och / eller psykosociala hälsokomplikationer och nöd3. Cirka 13% av kvinnorna lider av ätstörningar4, och förekomsten av AN hos kvinnor uppskattas till 0,3% -1% under hela livet, med en ännu högre andel kvinnor som lider av BN5.
En mängd riskfaktorer är förknippade med specifika ätstörningar. Bantning under tidig tonårstid och ett lågt kroppsmassindex (BMI) ökar risken för AN hos kvinnor, men tidig pubertet, tunn ideal internalisering, kroppsmissnöje, negativ påverkan och underskott i socialt stöd gör det inte6. Bland de faktorer som förutsäger uppkomsten av BN är viktproblem, kroppsmissnöje, drivkraft för tunnhet, ineffektivitet, låg interoceptiv medvetenhet och bantning, men inte perfektionism, mognadsrädsla, interpersonell misstro eller BMI6. Även om det finns symtomatiska skillnader mellan de olika typerna av ätstörningar finns det en likhet i riskfaktorerna. Detta tyder på att ätpatologi och maladaptivt ätbeteende (bantning) är vanliga riskfaktorer för alla ätstörningar.
Faktum är att ätpatologi är iögonfallande vid ätstörningar. Svårigheten att definiera och kvantifiera patologiskt ätbeteende, i kombination med att diagnosen främst bygger på den subjektiva beskrivningen av symtomdimensionerna, kan dock göra att gränserna mellan diagnoserna framstår som oklara7. Denna fråga gör diagnosen ätstörningar svår, särskilt för vårdpersonal som inte känner till ätstörningspatienter, till exempel primärvårdsläkare.
Vårdpersonal i primärvården är ofta de första som kontaktas av individer som lider av en ätstörning. Med tanke på vikten av tidig upptäckt och intervention för en gynnsam prognos måste vårdgivare ha verktygen för att hjälpa dem att känna igen dessa störningar. Därför måste en diagnos bestämmas snabbt och noggrant för att förhindra förseningar i behandlingen av specialister.
Ett sätt att uppnå detta diagnostiska mål är att digitalisera och automatisera frågeformulär om deras symtom. En extra fördel med denna metod kan vara att svaren är mer sanningsenliga eftersom studier tyder på att patienter litar på virtuella terapeuter mer än mänskliga kliniker för att diskutera psykiska problem8. En annan potentiell fördel är ökad diagnostisk tillförlitlighet, med vissa studier som tyder på att datordiagnoser kan ha högre tillförlitlighet än personliga diagnoser 9,10.
I detta protokoll har en algoritm utvecklats baserat på svaren på öppna och slutna frågor om fysiskt tillstånd, beteende, känslor och tankar av 949 på varandra följande remitterade patienter (för demografiska data, se tabell 1). Av de 949 deltagarna var 91,6% (869) kvinnor, 18,0% hade AN, 19,0% BN, 13,5% BED, 36,8% OSFED, 6,8% fetma (OB) och 5,9% hade ingen ätstörning (No ED). Algoritmen uppskattar både sannolikheten att ha en ätstörning och slutsatsen om vilken typ av ätstörning individen har. Frågeformuläret är baserat på DSM-5-kriterier för matnings- och ätstörningar och de diagnostiska egenskaperna hos AN, BN, BED och OSFED. OB (överskott av kroppsfett) ingår inte i DSM-5 som en psykisk störning. Det finns dock robusta samband mellan OB och BED2. Frågeformuläret är grupperat i tre kategorier: (1) Tillstånd, såsom BMI, viktminskning / vinst under det senaste året och självinducerad kräkningar. (2) Beteenden inklusive ätmönster, bantning, vägning, självinducerad kräkningar, isolering från vänner och familj och undvikande av aktiviteter. (3) Kognitioner/tankar, som önskad vikt, att vara rädd för att tappa kontrollen, överäta, tankar om mat, tro sig vara tjock när andra säger att man är för smal och reaktion på viktökning. Algoritmen är baserad på en ovillkorlig diskriminantanalys som tilldelar vikter till objekt stegvis och identifierar de mest diskriminerande objekten för var och en av de fem diagnoserna. Diagnostikinformationen visas i ett lättanvänt webbaserat gränssnitt.
Tidig och korrekt diagnos av ätstörningar är avgörande för att initiera lämplig behandling, förbättra behandlingsresultaten och minska dåliga hälsoutfall1. För att bestämma en diagnos måste kliniker hantera stora mängder psykologisk och fysiologisk information, och en stor mängd data gör diagnos till en tidskrävande uppgift med hög risk för feldiagnos.
Systemet som beskrivs här påskyndar beslutsprocessen genom att tillhandahålla en automatisk enkätbaserad diagnos. Dessutom tillåter det kliniker att se de specifika svaren som avviker från de förväntade svaren hos en frisk individ. Systemet utvecklades med klinikernas behov i åtanke, varför frågeformuläret är tillräckligt enkelt för att fyllas i av patienten ensam, vilket ytterligare minskar den tid som klinikerna behöver när de överväger en diagnos. Av samma anledning sparas svaren på inmatningen, vilket säkerställer att processen kan pausas när som helst. Datoranslutningsproblem och andra avbrott kräver inte att hela processen upprepas.
En begränsning i protokollet är att ett diagnosförslag inte kan beräknas om inte alla enkätobjekt har fyllts i. En annan begränsning är att medicinska mätningar, såsom blodtryck och perifer temperatur, inte ingår i systemet utan måste utvärderas av kliniker eller läkare.
Det finns flera digitala verktyg för ätstörningsdiagnoser, till exempel semistrukturerade elektroniska intervjuer11, men det finns för närvarande inga diagnostiska algoritmer baserade på DSM-5 eller International Classification of Disease, 11th Revision (ICD-11). Det primära problemet med tillgängliga metoder är att de inte ger ett enkelt sätt för kliniker att få hjälp med diagnosen eller kommunicera vad som utgör ohälsosamma svar. Det nuvarande systemet är avsett att användas både i primärvården, av vårdpersonal med liten kunskap om ätstörningar och på specialistkliniker för att diskutera mer komplexa fall och hjälpa kliniker i beslutsprocessen vid diagnos av ätstörningar. Detta system resulterar i förbättrad vårdkvalitet, en minskning av tid och ansträngning från kliniker och ger förbättrad effektivitet för klinikern i deras dagliga praxis.
Den diagnostiska algoritmen är för närvarande baserad på ett frågeformulär och gör det möjligt för systemet att lära kliniker att diagnostisera patienter bättre och konsultera andra vårdpersonal i svåra fall. Den framtida utvecklingen av systemet måste även omfatta medicinska data. Dessutom kan algoritmens prognostiska förmåga förbättras genom att förfina frågeformuläret och ersätta överflödiga, icke-informativa objekt med mer relevanta. Ett longitudinellt tillvägagångssätt måste också övervägas. Om patienten får lämplig behandling är det viktigt att följa deras hälsoprogression över tid. Många punkter i frågeformuläret är fortfarande giltiga för en uppföljningsmetod. Frågeformuläret och algoritmen måste dock omformuleras för att skapa ett index för att mäta hälsoprogression.
The authors have nothing to disclose.
Detta arbete finansierades av Region Stockholm.
Computer-Based Platform for Aiding Clinicians in Eating Disorder Analysis and Diagnosis | Mando | Pending assignment | |
Claris FileMaker Go 19 | Claris | – | For patient registration, custom app for questionnaire, risk assessment |
iPad 7th generation (2019) | Apple | A2197 |