青少年,家长和提供者对预测算法的看法,以确定初级保健中青少年自杀风险
Molly Davis1, Gillian C Dysart2, Stephanie K Doupnik3
1Department of Child and Adolescent Psychiatry and Behavioral Sciences (M Davis, GC Dysart, KTG Schwartz, and JF Young), Children's Hospital of Philadelphia, Philadelphia, Pa; PolicyLab (M Davis, GC Dysart, SK Doupnik, KTG Schwartz, and JF Young), Children's Hospital of Philadelphia, Philadelphia, Pa; Clinical Futures (M Davis and SK Doupnik), Children's Hospital of Philadelphia, Philadelphia, Pa; Department of Psychiatry (M Davis and JF Young), University of Pennsylvania Perelman School of Medicine, Philadelphia, Pa; Penn Implementation Science Center at the Leonard Davis Institute of Health Economics (PISCE@LDI) (M Davis and SK Doupnik), University of Pennsylvania, Philadelphia, Pa.
青少年,家长和提供者对用于检测青少年自杀风险的机器学习算法有不同的看法. 他们注意到隐私问题,但承认临床效用和后续行动的潜力,以及实施障碍.
科学领域:
- 数字健康数字健康
- 机器学习应用 机器学习应用
- 青少年心理健康 青少年心理健康
背景情况:
- 自杀是青少年死亡的主要原因.
- 早期发现自杀风险对于干预至关重要.
- 机器学习 (ML) 提供了识别有风险的个人的潜力.
研究的目的:
- 探索青少年,家长和提供者对ML算法的青少年自杀风险检测的看法.
- 了解在初级保健中实施这种算法的潜在障碍和促进者.
主要方法:
- 使用半结构面试进行的定性研究.
- 参与者包括青少年 (n=9),父母 (n=12) 和医疗保健提供者 (n=10).
- 采访成绩单的内容分析由实施科学框架提供信息.
主要成果:
- 参与者对ML算法的反应是混合的.
- 提出了隐私问题,但承认临床实用性用于识别自杀风险和促进随访.
- 实施障碍包括时间/资源限制和对医疗保健的不信任,而父母的经验影响了开放性.
结论:
- 了解最终用户的观点对于成功实施自杀预测算法至关重要.
- 调整ML工具以满足儿科初级保健机构提供者和家庭的需求至关重要.
- 解决已识别的障碍可以促进这些技术的有效使用.
