Points clés

Question: Un processus de formation d’algorithmes d’apprentissage automatique fondé sur des dossiers de santé électroniques peut-il identifier les personnes à risque accru de tentatives de suicide dans les systèmes de soins de santé indépendants?

Résultats : Dans cette étude pronostique, en utilisant une approche d’apprentissage supervisée appliquée aux données électroniques structurées des dossiers de santé de plus de 3,7 millions de patients dans 5 systèmes de soins de santé différents des États-Unis, les modèles ont détecté une moyenne de 38% des cas de tentative de suicide avec 90% de spécificité une moyenne de 2,1 ans à l’avance.

Signification: Ces résultats suggèrent qu’une approche d’apprentissage automatique efficace sur le plan informatique, qui tire parti de l’ensemble des données électroniques structurées sur les dossiers de santé, pourrait être en mesure de détecter le risque de comportement suicidaire chez les patients non sélectionnés et peut faciliter la mise au point d’outils d’aide à la décision clinique qui informent les interventions de réduction des risques.