Punti chiave

Domanda: Un processo di formazione di algoritmi di apprendimento automatico basati su cartelle cliniche elettroniche può identificare le persone ad aumentato rischio di tentativi di suicidio in sistemi sanitari indipendenti?

Risultati: In questo studio prognostico, utilizzando un approccio di apprendimento supervisionato applicato ai dati strutturati delle cartelle cliniche elettroniche di oltre 3,7 milioni di pazienti in 5 diversi sistemi sanitari statunitensi, i modelli hanno rilevato una media del 38% dei casi di tentativo di suicidio con una specificità del 90% una media di 2,1 anni in anticipo.

Significato: Questi risultati suggeriscono che un approccio di apprendimento automatico computazionalmente efficiente che sfrutta l'intero spettro di dati strutturati delle cartelle cliniche elettroniche può essere in grado di rilevare il rischio di comportamento suicidario in pazienti non selezionati e può facilitare lo sviluppo di strumenti di supporto alle decisioni cliniche che informano gli interventi di riduzione del rischio.