Secondo una nuova ricerca dell’UCLA, una procedura automatizzata basata su metodologie informatiche in grado di interpretare un testo di certificati di morte di esperti medici può accelerare in modo significativo la raccolta di dati sui decessi per overdose, garantendo una risposta più rapida da parte della sanità pubblica rispetto al sistema attuale.
Attualmente, la registrazione dei dati sulle overdose prevede diverse fasi, a partire dagli esperti forensi e dai medici legali che determinano la causa di un decesso e registrano le morti per sospetta overdose di droga sui certificati di morte insieme ai farmaci che hanno contribuito al decesso. I certificati, che contengono anche testo non strutturato, vengono poi inoltrati alle autorità regionali o ai CDC (Centri per il controllo e la prevenzione delle malattie), che li classificano in base all’ICD-10-AMI, alla Classificazione statistica internazionale delle malattie (ICD-10) e ad altre condizioni sanitarie rilevanti.
La buprenorfina, un oppioide incompleto utilizzato per curare la dipendenza da oppioidi, così come l’oppioide sintetico fentanil, sono stati classificati sotto lo stesso codice ICD-10, il che complica ulteriormente le cose raggruppando sostanze illecite con usi ed effetti diversi sotto lo stesso codice.
In quell’anno si sono verificati 8.738 decessi per overdose e si è scoperto che l’alcol (2866, 33%), il fentanil (4758, 54%), la cocaina (2247, 26%), l’eroina (1613, 18%), la metanfetamina (1876, 21%), qualsiasi benzodiazepina e gli oppioidi da prescrizione (1197, 14%) erano le sostanze specifiche più frequentemente utilizzate (1076, 12%). Solo la classificazione delle benzodiazepine secondo questo metodo è risultata subottimale; tutte le altre sono state ottime o quasi.
Altri farmaci come antidepressivi, anfetamine, antipsicotici, anticonvulsivanti, antistaminici, barbiturici, allucinogeni e miorilassanti sono stati responsabili dei restanti decessi per overdose. La struttura non è stata valutata per sostanze chimiche meno comuni, come gli anticonvulsivanti o altre droghe sintetiche; pertanto, non è certo che possa funzionare anche per queste. Secondo i ricercatori, questo è uno dei limiti principali dello studio. Inoltre, poiché i modelli devono essere addestrati a utilizzare una grande quantità di dati per fare previsioni accurate, il sistema potrebbe non essere in grado di riconoscere nuove tendenze.