医疗保险索赔可能不仅仅有助于支付健康问题;根据发表在BMJ Health & Care Infortics上的宾夕法尼亚州立大学跨学科研究小组的新发现，它们可以帮助预测它们。研究人员开发了机器学习模型，评估数百个临床变量之间的联系，包括就诊和看似无关的医疗状况的医疗服务，以预测幼儿患自闭症谱系障碍的可能性。
宾夕法尼亚州立大学工程学院工业与制造工程助理教授、通讯作者陈秋实说：“保险索赔数据在营销扫描数据集中被去识别并广泛使用，提供了有关患者的全面、纵向的医疗细节。”
“该领域的科学文献表明，患有自闭症谱系障碍的孩子通常也有较高的临床症状发生率，例如不同类型的感染、胃肠道问题、癫痫发作以及行为迹象。这些症状不是自闭症的原因，而是经常在自闭症儿童中表现出来，尤其是在年轻时，因此我们受到启发去综合医学信息来量化和预测相关的可能性。”
研究人员将数据输入机器学习模型，对其进行训练以评估数百个变量，以找到与自闭症谱系障碍可能性增加相关的相关性。
“自闭症谱系障碍是一种发育障碍，”宾夕法尼亚州立大学医学院公共卫生科学、精神病学和行为健康副教授以及儿科副教授刘国栋说。“临床医生需要观察和多次筛查才能做出诊断。这个过程通常很漫长，许多孩子错过了早期干预的窗口——这是改善结果的最有效方法。”
用于帮助识别自闭症谱系障碍可能性较高的幼儿的常用筛查工具之一称为幼儿自闭症改良检查表 (M-CHAT)，通常在 18 个月和 24 个月的常规健康儿童就诊时提供老的。
它由 20 个问题组成，重点关注与目光接触、社交互动和一些身体里程碑(如步行)相关的行为。监护人会根据他们的观察来回答，但根据 Chen 的说法，这些年龄段的发育差异如此之大，以至于该工具可能会错误地识别儿童。因此，儿童通常要到四五岁才得到正式诊断，这意味着他们错过了数年的潜在早期干预。
标签：
免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！