临床分期的数字应用以支持青少年心理健康服务的分层:有效性和可靠性研究
Min K Chong1, Ian B Hickie1, Shane P Cross2
1Brain and Mind Centre, University of Sydney, Camperdown, Australia.
JMIR formative research
|September 8, 2023
概括
一个新的数字工具准确地识别出患精神疾病风险较低的年轻人,从而有可能加快护理的速度. 这个算法通过有效地分层患者的风险来帮助管理青少年心理健康服务的需求.
科学领域:
- 数字健康创新数字健康创新
- 临床心理学和精神病学
- 青少年心理健康服务 青少年心理健康服务
背景情况:
- 对青少年心理健康护理需求的不断增长,在及时和高质量的服务提供方面带来了挑战.
- 临床分期模型可以根据疾病进展风险对护理进行分层.
- 数字技术有潜力扩大和提高临床分期的可用性.
研究的目的:
- 验证数字算法,以区分患有精神健康障碍风险较低或较高的年轻人.
- 评估算法的准确性与专家临床分期对比.
主要方法:
- 研究了一组131名年轻人 (16-25岁) 提交澳大利亚青年心理健康服务.
- 专家精神科医生分配临床阶段 (1a或1b+).
- 数字算法使用自我报告问卷数据来分配临床阶段,并将其与专家评级进行比较.
主要成果:
- 数字算法与专家评级达到了91%的一致性 (κ=0.67).
- 算法准确率为91%,灵敏度为80%,特异性为93%.
- 不一致的案例表明,该算法可能会识别出症状较轻的个体,他们可以从低强度干预中受益.
结论:
- 一个新的数字算法非常强大,可以作为青少年心理健康的决策支持工具.
- 这项技术可以帮助护理分层和需求管理,潜在地改变护理途径.
- 该算法可能有助于将临床能力重定向到高风险个体,并识别那些适合短期干预的人.
