Se presentan agrupados y con implicancias diferenciales | 24 OCT 19
Grupos de síntomas en pacientes con cáncer
Metodología galardonada aplicable a grupos de síntomas en otras enfermedades crónicas
Fuente: Regenstrief Institute and IUPUI Regenstrief and IUPUI researchers use EHRs to identify cancer symptom clusters
INDIANAPOLIS
Las pacientes con enfermedades crónicas como el cáncer de mama o el cáncer colorrectal a menudo experimentan fatiga, dolor, depresión y otros síntomas que pueden provocar angustia y deterioro funcional si no se tratan.
Con el objetivo final de ayudar a los médicos a controlar y tratar los síntomas que afectan negativamente la salud y la calidad de vida, los investigadores del Instituto Regenstrief y la IUPUI han ideado y probado nuevas metodologías para extraer datos sobre los síntomas de los registros electrónicos de salud (EHR) y han investigado con éxito asociaciones entre grupos de síntomas y enfermedad.
"Nuestros métodos novedosos pueden generalizarse más allá del cáncer de mama y colorrectal para analizar grupos de síntomas de otras enfermedades crónicas donde el manejo y el tratamiento de los síntomas es crítico", dijo el investigador del Instituto Regenstrief Kun Huang, PhD, autor principal del estudio y líder internacional reconocido en traducción. bioinformática "Identificar y comprender los grupos de síntomas, qué síntomas tienden a ir juntos, por ejemplo, fatiga y depresión, y cuándo ocurren estos síntomas durante el curso del tratamiento, proporciona información crítica al equipo de atención del paciente, especialmente cuando esperamos precisión salud e intente encontrar el tratamiento adecuado para el paciente adecuado en el momento adecuado.
"Esta información también es importante para los investigadores, ya que exploran si existen razones biológicas detrás de estas coincidencias y, de ser así, determinan por qué", dijo el Dr. Huang. Además de su nombramiento como científico investigador del Instituto Regenstrief, es decano asistente de ciencias de datos, profesor de ciencias de datos de genómica de la Iniciativa de Salud de Precisión y profesor de medicina en la Facultad de Medicina de Indiana.
"Identificando grupos de síntomas en pacientes con cáncer de mama y cáncer colorrectal utilizando datos de EHR", ganó el premio al mejor artículo en la 10ª Conferencia de la Asociación de Computación (ACM) sobre Bioinformática, Biología Computacional e Informática de Salud y se publicó en las actas de la conferencia. Este prestigioso premio se presenta por un trabajo que representa una investigación innovadora. A través del Best Paper Award, el ACM destaca las innovaciones teóricas y prácticas que probablemente darán forma al futuro de la informática.
Detectar y rastrear la severidad y frecuencia de los síntomas en un EHR no es fácil. El idioma a menudo varía. Por ejemplo, la fatiga puede registrarse en un EHR como: apática, agotada, cansada, sin energía o desgastada. La depresión puede ser indicada como: triste, infeliz, desesperada o desanimada. Para mitigar el problema de la terminología, el equipo de investigación diseñó una metodología para permitir el análisis de notas clínicas de texto libre en EHR además de extraer información de entradas estructuradas en el registro médico.
"Los datos de EHR no se han utilizado ampliamente para comprender los síntomas informados por los pacientes para personas con enfermedades crónicas", dijo el autor del estudio Xiao Luo, Ph.D., profesor asistente de informática y tecnología de la información en la Escuela de Ingeniería y Tecnología de IUPUI."
"Utilizando los datos de EHR obtenidos de Indiana Network for Patient Care, desarrollamos un marco que emplea componentes de minería de datos, PNL (procesamiento del lenguaje natural) y aprendizaje automático para explorar la información clínica acumulada durante el curso de estas enfermedades", dijo. El Dr. Luo, quien diseñó la metodología del estudio, se especializa en análisis predictivo de datos e integración inteligente de datos.
Los investigadores observaron los síntomas durante dos períodos de tiempo: el primer año de quimioterapia y los 48 a 54 meses posteriores a la quimioterapia. También se consideraron la edad, el historial de tabaquismo y si el individuo tenía diabetes. Los grupos de síntomas se identificaron según la gravedad y la combinación de síntomas.
Utilizando algoritmos que desarrollaron, los investigadores descubrieron que los grupos de síntomas no eran los mismos para pacientes con cáncer de mama y pacientes con cáncer colorrectal. También observaron diferentes grupos de síntomas en diferentes períodos de tiempo después de la quimioterapia.
"Esta nueva metodología nos coloca firmemente en el camino para comprender mejor los síntomas, la forma en que se agrupan y cómo se relacionan con los resultados de la enfermedad y la calidad de vida. A medida que ampliemos este trabajo, tendrá implicaciones significativas para los pacientes y los médicos que los tratan. porque nos ayudará a entender por qué y cómo estos grupos de síntomas interactúan entre sí para desarrollar estrategias para contrarrestarlos ". El Dr. Storey tiene 25 años de experiencia como enfermera de práctica avanzada certificada en oncología.
Las pacientes con enfermedades crónicas como el cáncer de mama o el cáncer colorrectal a menudo experimentan fatiga, dolor, depresión y otros síntomas que pueden provocar angustia y deterioro funcional si no se tratan.
Con el objetivo final de ayudar a los médicos a controlar y tratar los síntomas que afectan negativamente la salud y la calidad de vida, los investigadores del Instituto Regenstrief y la IUPUI han ideado y probado nuevas metodologías para extraer datos sobre los síntomas de los registros electrónicos de salud (EHR) y han investigado con éxito asociaciones entre grupos de síntomas y enfermedad.
"Nuestros métodos novedosos pueden generalizarse más allá del cáncer de mama y colorrectal para analizar grupos de síntomas de otras enfermedades crónicas donde el manejo y el tratamiento de los síntomas es crítico", dijo el investigador del Instituto Regenstrief Kun Huang, PhD, autor principal del estudio y líder internacional reconocido en traducción. bioinformática "Identificar y comprender los grupos de síntomas, qué síntomas tienden a ir juntos, por ejemplo, fatiga y depresión, y cuándo ocurren estos síntomas durante el curso del tratamiento, proporciona información crítica al equipo de atención del paciente, especialmente cuando esperamos precisión salud e intente encontrar el tratamiento adecuado para el paciente adecuado en el momento adecuado.
"Esta información también es importante para los investigadores, ya que exploran si existen razones biológicas detrás de estas coincidencias y, de ser así, determinan por qué", dijo el Dr. Huang. Además de su nombramiento como científico investigador del Instituto Regenstrief, es decano asistente de ciencias de datos, profesor de ciencias de datos de genómica de la Iniciativa de Salud de Precisión y profesor de medicina en la Facultad de Medicina de Indiana.
"Identificando grupos de síntomas en pacientes con cáncer de mama y cáncer colorrectal utilizando datos de EHR", ganó el premio al mejor artículo en la 10ª Conferencia de la Asociación de Computación (ACM) sobre Bioinformática, Biología Computacional e Informática de Salud y se publicó en las actas de la conferencia. Este prestigioso premio se presenta por un trabajo que representa una investigación innovadora. A través del Best Paper Award, el ACM destaca las innovaciones teóricas y prácticas que probablemente darán forma al futuro de la informática.
Detectar y rastrear la severidad y frecuencia de los síntomas en un EHR no es fácil. El idioma a menudo varía. Por ejemplo, la fatiga puede registrarse en un EHR como: apática, agotada, cansada, sin energía o desgastada. La depresión puede ser indicada como: triste, infeliz, desesperada o desanimada. Para mitigar el problema de la terminología, el equipo de investigación diseñó una metodología para permitir el análisis de notas clínicas de texto libre en EHR además de extraer información de entradas estructuradas en el registro médico.
"Los datos de EHR no se han utilizado ampliamente para comprender los síntomas informados por los pacientes para personas con enfermedades crónicas", dijo el autor del estudio Xiao Luo, Ph.D., profesor asistente de informática y tecnología de la información en la Escuela de Ingeniería y Tecnología de IUPUI."
"Utilizando los datos de EHR obtenidos de Indiana Network for Patient Care, desarrollamos un marco que emplea componentes de minería de datos, PNL (procesamiento del lenguaje natural) y aprendizaje automático para explorar la información clínica acumulada durante el curso de estas enfermedades", dijo. El Dr. Luo, quien diseñó la metodología del estudio, se especializa en análisis predictivo de datos e integración inteligente de datos.
Los investigadores observaron los síntomas durante dos períodos de tiempo: el primer año de quimioterapia y los 48 a 54 meses posteriores a la quimioterapia. También se consideraron la edad, el historial de tabaquismo y si el individuo tenía diabetes. Los grupos de síntomas se identificaron según la gravedad y la combinación de síntomas.
Utilizando algoritmos que desarrollaron, los investigadores descubrieron que los grupos de síntomas no eran los mismos para pacientes con cáncer de mama y pacientes con cáncer colorrectal. También observaron diferentes grupos de síntomas en diferentes períodos de tiempo después de la quimioterapia.
- Las pacientes con cáncer de mama tuvieron un poco más de síntomas que las pacientes con cáncer colorrectal durante el primer año después de la quimioterapia.
- Los pacientes con cáncer colorrectal tenían un poco más de depresión 48 a 54 meses después de la quimioterapia.
- Los investigadores también pudieron identificar vínculos. Por ejemplo, si un paciente con cáncer colorrectal en etapa alta no tenía síntomas de fatiga, tampoco era probable que experimentara depresión.
"Esta nueva metodología nos coloca firmemente en el camino para comprender mejor los síntomas, la forma en que se agrupan y cómo se relacionan con los resultados de la enfermedad y la calidad de vida. A medida que ampliemos este trabajo, tendrá implicaciones significativas para los pacientes y los médicos que los tratan. porque nos ayudará a entender por qué y cómo estos grupos de síntomas interactúan entre sí para desarrollar estrategias para contrarrestarlos ". El Dr. Storey tiene 25 años de experiencia como enfermera de práctica avanzada certificada en oncología.
No hay comentarios:
Publicar un comentario