.
Fatores de risco social, como instabilidade financeira e insegurança habitacional, são cada vez mais reconhecidos como influenciadores da saúde. Mas, diferentemente dos códigos de diagnóstico, informações de prescrição, relatórios de exames laboratoriais ou outros, os fatores de risco social não aderem à terminologia padronizada e controlada no prontuário eletrônico de um paciente, dificultando a extração dessas informações das anotações clínicas onde normalmente são encontradas.
Um novo estudo descobriu que um sistema de processamento de linguagem natural (NLP) desenvolvido pelo Instituto Regenstrief e pelos informáticos da Escola de Saúde Pública Richard M. Fairbanks da Universidade de Indiana mostrou excelente desempenho quando transferido para um novo sistema de saúde e testado em mais de seis milhões de notas clínicas de pacientes atendidos na Flórida. O desempenho foi avaliado quanto à generalização e portabilidade, definidas como facilidade e precisão ao implantar o software em um novo ambiente e de atualizar seu uso para atender às necessidades de novos dados.
“Fatores sociais têm um grande impacto em nossa saúde. Não são apenas os cuidados médicos que recebemos, mas também os locais onde moramos, os locais onde trabalhamos e nosso acesso à alimentação, transporte e outros recursos que têm grande influência em nossa saúde”, disse Chris Harle, PhD, membro do corpo docente da Regenstrief and IU Fairbanks School e autor sênior do estudo. “É importante que os médicos e os sistemas de saúde que prestam assistência médica conheçam os fatores de risco social das pessoas para que, ao prescrever medicamentos, solicitar exames ou planejar a realização de um procedimento, possam tratar melhor a pessoa como um todo – talvez com medicamentos de baixo custo ou fontes alternativas para testes – e também pode conectá-los a serviços que ajudam a atender às suas necessidades de um lugar seguro para viver e comida saudável para comer.”
Neste estudo, o modelo baseado em regras de PNL dos pesquisadores pesquisou através do texto que os médicos ou outros clínicos escreveram nas anotações clínicas dos registros eletrônicos de saúde dos pacientes, procurando por palavras-chave ou frases que provavelmente indicassem dificuldade com moradia (por exemplo : falta de endereço permanente) ou necessidades financeiras (por exemplo: incapacidade de pagar cuidados de acompanhamento) de pacientes em um sistema de saúde em uma área geográfica nova e bastante diferente. Apesar dos desafios (por exemplo: nome de um abrigo para sem-teto sem indicação da função da instalação ou variação regional ou nuances locais na linguagem), os cientistas da pesquisa verificaram que os modelos de PNL, com modificações relativamente simples, poderiam fornecer desempenho altamente preciso em comparação ao padrão-ouro da revisão humana.
“Um paciente é diagnosticado com diabetes? É relativamente fácil encontrar essa informação em um registro eletrônico de saúde porque as mesmas palavras e códigos são mais prováveis de serem usados nos sistemas de saúde no centro de Indiana como são usados na Flórida ou em qualquer outro lugar nos Estados Unidos. os fatores de risco não têm palavras, frases ou códigos tão estabelecidos e amplamente usados para identificá-los. Portanto, é mais difícil pesquisar e determinar que um paciente tem uma necessidade financeira do que dizer que um paciente tem diabetes “, disse o Dr. Harle. “Nosso trabalho é importante para os pacientes porque, em última análise, sua saúde está relacionada a uma variedade de fatores em suas vidas, incluindo fatores sociais. Por exemplo, os médicos estão incorporando em suas tomadas de decisão a capacidade de um paciente se recuperar de uma cirurgia, pois será diferente se eles têm habitação estável versus habitação instável?
“Quanto mais pudermos disseminar e adaptar o processamento de linguagem natural e outros métodos de inteligência artificial que descrevem completamente um paciente para dar aos médicos uma compreensão completa de 360º das necessidades dos pacientes, melhor. Se pudermos extrair informações sociais com mais eficiência, será menos dispendioso. Então podemos começar a ter o que chamamos de perspectiva de saúde da população. Então, se um sistema de saúde pode identificar com eficiência os pacientes que têm instabilidade habitacional — a população de pacientes que tem essa necessidade — então o sistema de saúde pode ser capaz empregar uma intervenção de base populacional mais pró-activa para servir todo esse grupo de pessoas, ligando-as, por exemplo, aos serviços de habitação na comunidade ou aos recursos financeiros que possam estar disponíveis.”
Dr. Harle, um cientista da informação e pesquisador de serviços de saúde que se concentra no projeto, adoção, uso e valor dos sistemas de informação de saúde, observa que este estudo foi um esforço de equipe em várias instituições de profissionais que trabalham na área clínica (incluindo indivíduos que estudar como os pacientes acessam e usam os cuidados), saúde pública, saúde da população e administração de saúde, bem como especialistas em sistemas com conhecimento técnico e qualificados. “Reunir pessoas que têm essa diversidade de entendimento leva a estudos pragmaticamente úteis como este”, disse ele.
.
