Datenmineprozess zur Erkennung von suizidalem Verhalten in Notaufnahmen außerhalb des Krankenhauses

Notaufnahmen außerhalb des Krankenhauses erhalten täglich verschiedene Arten von Anfragen. Ihr Management erfordert einen Ausgleich zwischen verfügbaren Ressourcen und den tatsächlichen Bedürfnissen der anfragenden Partei. Anfragen zu suizidalem Verhalten, die ressourcenintensiv sind, kommen in Bezug auf die Gesamtzahl der Anfragen selten vor, und ihre korrekte Erkennung ist daher wichtig. Frühere Forschungen, die maschinelle Lernalgorithmen zur Analyse von Suizid verwendet haben, konzentrierten sich typischerweise darauf, Erkenntnisse zu gewinnen, die von medizinischem Personal genutzt werden können. Dieser Vorschlag erweitert die Anwendung in zwei Richtungen: Wissen, das auch von nicht ausschließlich medizinischem Personal, wie beispielsweise Telefonoperatoren, genutzt werden kann, und die Modelle, die in einen Software-Prototyp integriert wurden, um bei der Entscheidungsfindung in einer Notaufnahme zu helfen. Darüber hinaus haben frühere Forschungen oft eine Reihe von Informationen aus verschiedenen Quellen einbezogen, die bei der Verarbeitung einer Notrufanfrage nicht verfügbar sind, beispielsweise Daten, die erst am Ende der Intervention erhalten werden. Ein umfassender Datenmineprozess wurde mit Daten des Notdienstes außerhalb des Krankenhauses in Málaga (Spanien) durchgeführt. Sensitivität war das primäre Ziel, um zu verhindern, dass Fälle übersehen werden, die besondere Aufmerksamkeit erfordern, aber dieses Ziel wurde verfolgt, ohne einen guten Kompromiss mit der Spezifität zu übersehen. Die besten Modelle können einen solchen Kompromiss zwischen Sensitivität und Spezifität bieten und zeigen in beiden Metriken gleichzeitig mehr als 80%. Die Experten bestätigen, dass die Modellierungsphase zeigte, dass die Algorithmen bereits bekannte Situationen automatisch identifiziert haben. Dies legt den Grundstein für weitere Iterationen mit einem vielversprechenden Ausblick.