Mudança na probabilidade diagnóstica ao longo do acompanhamento: um estudo de coorte em psiquiatria baseado em EHR bayesianos

Resumo Objetivos O diagnóstico é frequentemente interpretado através de uma lente bayesiana como uma atualização pontual da probabilidade a priori para probabilidade a posteriori após novas evidências clínicas. No entanto, nos cuidados de rotina, as evidências diagnósticas podem se acumular em encontros repetidos. Este estudo aplicou uma estrutura bayesiana baseada em EHR para estimar a mudança na probabilidade diagnóstica da visita inicial para a final, em categorias diagnósticas psiquiátricas principais. Métodos Analisamos registros eletrônicos de saúde de 17.057 pacientes psiquiátricos ambulatoriais no Hospital Cristão de Changhua de 2016 a 2024. Um modelo misto linear generalizado bayesiano multivariado foi utilizado para estimar a mudança na probabilidade de registro diagnóstico entre a final e a inicial em 10 categorias principais da CID-10, controlando por demografia, frequência de visitas e correlações dentro dos pacientes. Resultados O efeito na escala de odds final-versus-inicial variou substancialmente entre as categorias diagnósticas. Os maiores efeitos foram observados para F7x (Transtorno do desenvolvimento intelectual; Odds Ratio OR=7.4, Intervalo Crível 95% CrI 5.2–10.8) e F9x (Transtornos comportamentais e emocionais com início na infância/adolescência; OR=5.7, 95% CrI 4.5–7.3), enquanto F4x mostrou o menor efeito (OR=1.2, 95% CrI 1.1–1.4). Quando traduzidos para a escala de probabilidade sob probabilidades de base especificadas, essas diferenças na escala de odds corresponderam a mudanças maiores na probabilidade para diagnósticos que requerem informações longitudinais, funcionais ou colaterais. Conclusões Esta estrutura fornece uma abordagem na escala de probabilidade para caracterizar a atualização diagnóstica ao longo do acompanhamento em dados de EHR de rotina. Pode ajudar a identificar categorias diagnósticas nas quais a acumulação de evidências longitudinais é especialmente importante e informar o design de acompanhamento estruturado e fluxos de trabalho de avaliação.