• יו"ר: ד"ר איתי בסר
  • מזכירת החברה: ד"ר אביבה וולף
  • גזבר: ד"ר סרגיו מרצ'בסקי
  • חברי ועד: ד"ר דורית יודשקין- פורת
  • ד"ר עמוס עברי
  • ד"ר טל קסלר
  • ד"ר חגית בוני-נח
  • ד"ר דניאל פיינגולד
  • ועדת ביקורת: ד"ר ארתורו לרנר, מר דודי גולד, לב שגל
שתיית אלכוהול

גישה מבוססת למידת מכונה לזיהוי מטופלים עם הרגלים לא בריאים של שתיית אלכוהול 

במחקר זה נמצא כי המשתנים המנבאים המשפיעים ביותר היו גיל, סטטוס מעשן נוכחי, רמת המוגלובין, מין וליפופרוטאין בצפיפות גבוהה

12.08.2020, 17:53

הרגלים לא בריאים של שתיית אלכוהול הינם שכיחים בארה״ב, ועדיין אינם מזוהים ומטופלים תמיד היטב. זיהוי של שתיינים עם הרגלי שתייה רעים יכול להיות תהליך גוזל זמן ומסורבל עבור רופאי משפחה. כלל אוטומטי לזיהוי שתיינים אלה צריך להתמקד במטופלים אשר יזדקקו לטיפול בסבירות הגבוהה ביותר, ולכן יגביר יעילות. מטרת המחקר הייתה ליצור כלי ייחודי לניבוי שתיינות מזיקה על בסיס מידע דמוגרפי ומעבדתי.

החוקרים אספו מידע הקשור ב-38 משתנים דמוגרפיים ומעבדתיים מתוך ה-National Health and Nutrition Examination Survey אצל 43,545 מבוגרים. באמצעות כלים חישוביים וסטטיסטיים שונים החוקרים בנו מודלים קליניים מנבאים.

תוצאות המחקר הראו כי המשתנים המנבאים המשפיעים ביותר היו גיל, סטטוס מעשן נוכחי, רמת המוגלובין, מין וליפופרוטאין בצפיפות גבוהה.

החוקרים סיכמו כי באמצעות שימוש במידע זמין, כלי לקבלת החלטות הצליח לזהות תת-קבוצה של מטופלים אשר היו זקוקים לתשומת לב מיוחדת בשאלה של שתיינות מזיקה, מה שיכול להוביל להגברת היעילות בבדיקות סקר.

מקור: 

Levi N. Bonnell et. al (2020 (DOI: https://doi.org/10.3122/jabfm.2020.03.190421

נושאים קשורים:  שתיית אלכוהול,  אלכוהוליזם,  קבלת החלטות קליניות,  מודלים לוגיסטיים,  למידת מכונה,  שאלון תזונה,  מחקרים
תגובות
27.09.2020, 12:12

הליפופרוטאין נמצא משמעותי הוא HDL