Programvara från NCSU, A&T syftar till att bättre hantera psykiska hälsoutmaningar

Publiceringsdatum: 9 november 2020

RALEIGH – Forskare från North Carolina State University och North Carolina A&T University har utvecklat en prototyp av ett mjukvarusystem som syftar till att hjälpa beslutsfattare och vårdgivare att bättre hantera psykiska utmaningar som latinamerikanska befolkningar över hela USA står inför.

Det nya beslutsstödssystemet består av två beräkningsmoduler som kan hjälpa användare att avgöra hur man bäst förbereder sig för framtiden och identifiera de bästa handlingssätten för att lindra psykiska utmaningar. Systemet utvecklades som en del av Call for Code Spot Challenge: Mental Health in a Time of Crisis, som anordnades av IBM, i samarbete med Anthem Inc., Beacon Health Options, XPRIZE och den NC-statsbaserade EMPOWER Samarbete.

Deltagarna i utmaningen inkluderade mer än 100 studenter från 12 universitet. Deltagarna utnyttjade IBMs teknologier och ett nätverk av mer än 35 mentorer för att bygga lösningar till stöd för mental hälsa i en tid av kris.

"Psykiska hälsoutmaningar, som redan var skrämmande, har förvärrats av covid-19-pandemin", säger Tanzid Hasnain, doktor. student vid NC State och medlem i teamet som utvecklade systemet. "Vi ville hjälpa dem vars psykiska hälsa har drabbats hårdast av covid. Och CDC-data tyder på att latinamerikanska befolkningar är mer benägna än andra grupper att rapportera symtom på ångest och depression."

Hela beslutsstödssystemet utvecklades under loppet av endast två veckor, med hjälp av öppen källkodsdata och programmeringsverktyg. Systemet har två komponenter: ett prediktivt verktyg och ett preskriptivt verktyg baserat på det som kallas Markov Decision Process (MDP).

Det prediktiva verktyget är en modell som använder data på tillståndsnivå från flera källor för att förutsäga procentandelen av den latinamerikanska befolkningen som kan ha symtom på ångest och depression under den följande veckan. Specifikt använder det prediktiva verktyget data om arbetslöshetsanspråk, försäkringsskydd, antalet covid-fall och antalet covid-dödsfall.

"Det förutsägande verktyget är användbart eftersom det idealiskt ger ideella organisationer, vårdgivare och beslutsfattare i förväg om hur psykiska hälsokrav troligen kommer att se ut om en vecka - vilket ger dem möjlighet att förbereda sig", säger Rahman Khorramfar, doktor. .D. student vid NC State och en del av utvecklingsteamet.

MDP, å andra sidan, är ett matematiskt verktyg som hjälper användare att avgöra vilket tillvägagångssätt som är mest effektivt för att minska antalet personer som upplever symtom på ångest och depression. Med andra ord kan det hjälpa användare att ta reda på hur de kan få ut den största mentala hälsovinsten av sina tillgängliga resurser och möjliga åtgärder.

"MDP är mycket mer flexibelt än det prediktiva verktyget", säger Kehinde Odubela, doktor. student vid NC A&T som också ingår i systemutvecklingsteamet. "Till exempel kan den användas för att avgöra vilka åtgärder som skulle ha störst nytta per stad. Men MDP måste också anpassas, baserat på vilka alternativ någon organisation överväger för att ta itu med psykiska hälsoutmaningar i en specifik stat eller gemenskap."

I slutändan vill utvecklingsteamet presentera hela beslutsstödssystemet i ett användarvänligt mjukvarupaket.

Som sagt, teamet har också ett antal justeringar de skulle vilja göra i beslutsstödssystemet – trots allt utvecklade de prototypen på mindre än en månad.

"En av de förbättringar vi skulle vilja göra med verktyget för prediktiv modellering är att automatisera datainsamlingen", säger Sarah McConnell, en del av systemutvecklingsteamet och doktorand vid NC State. "Helst skulle vi vilja att beslutsstödssystemet uppdateras varje vecka, när ny relevant information släpps från våra onlinedatakällor."

"Vi skulle också vilja göra det prediktiva verktyget mer robust genom att introducera ytterligare faktorer, såsom socioekonomiska variabler", säger Nasrin Alizadeh, medlem i teamet och doktor. student vid NC State. "För närvarande överväger vi variabler som förändras under vår föreslagna tidslinje. Det finns dock faktorer, som utbildningsnivå, som kanske inte förändras under dessa perioder, men vi tror spelar en roll.”

Forskarna vill också avgöra vad de kan göra för att bibehålla det prediktiva verktygets användbarhet när COVID-19 blir mindre av en bidragande faktor till psykiska hälsoproblem.

Slutligen tror forskarna att de kan förbättra MDP genom att tillåta användare att enkelt koppla in data om verkliga resultat tillbaka till modellen.

Alla medlemmar i NC State-teamet är studenter vid universitetets Edward P. Fitts Department of Industrial and Systems Engineering. Odubela är student vid NC A&T:s institution för industri- och systemteknik.

Beslutsstödssystemet var vinnande bidrag i Call for Code Spot Challenge: Mental Health in a Time of Crisis. Teamet kommer att få möjlighet att pitcha sin lösning för chefer från IBM och Anthem Digital. Video på utvecklingsteamets bidrag i tävlingen kan ses på https://youtu.be/ZjTm5eEtTbY.

(C) NCSU

Ursprunglig artikelkälla: WRAL TechWire