Подталкивания в сочетании с машинным обучением втрое увеличивают количество разговоров о продвинутой помощи среди больных раком | Советы девушкам

Электронный толчок для клиницистов – инициированный алгоритмом, который использует методы машинного обучения для обозначения больных раком, которым будет больше всего полезен разговор о целях в конце жизни, – утроил количество таких обсуждений, согласно новому проспективному рандомизированному исследованию из почти 15 000 пациентов из Penn Medicine и опубликованных сегодня в JAMA Oncology .

Было доказано, что ранние и частые разговоры с пациентами, страдающими серьезными заболеваниями, особенно раком, повышают удовлетворенность, качество жизни и уход, который соответствует их ценностям и целям. Однако сегодня у многих нет возможности поговорить с врачом или близкими, потому что их болезнь зашла слишком далеко, и они слишком больны.

«В раке и за его пределами это одно из первых приложений алгоритма машинного обучения в реальном времени в сочетании с подсказкой, которая действительно помогает повлиять на клиницистов, чтобы они могли своевременно инициировать эти обсуждения, прежде чем что-то может случиться», – сказал соавтор. ведущий автор Рави Б. Парих, доктор медицины, доцент кафедры медицинской этики и политики здравоохранения и медицины в Медицинской школе Перельмана при Университете Пенсильвании и штатный врач Медицинского центра капрала Майкла Дж. Крешенца. «И это не только пациенты из группы высокого риска . Это почти вдвое увеличило количество разговоров с пациентами, которые не были отмечены, что говорит нам о том, что необходимость проводить больше таких бесед вызывает позитивные культурные изменения в клиниках».

Кристофер Манц, доктор медицинских наук из Института рака Даны Фарбер, который во время исследования был научным сотрудником Центра инноваций в области лечения рака Пенсильвании, выступает в качестве соавтора.

В отдельном выпуске журнала JAMA Oncology, опубликованном в сентябре, исследовательская группа подтвердила эффективность разработанного Penn Medicine инструмента машинного обучения для прогнозирования краткосрочной смертности пациентов в режиме реального времени с использованием клинических данных из электронной истории болезни (EHR). Алгоритм учитывает более 500 переменных – например, возраст, количество госпитализаций и сопутствующие заболевания – от историй болезни пациентов до их назначения. Это одно из преимуществ использования EHR для выявления пациентов, которым может быть полезен своевременный разговор . Это происходит в режиме реального времени, в отличие от использования заявлений или других типов исторических данных для составления прогнозов.

Это последнее испытание объединило этот алгоритм с поведенческим подталкиванием, включая тексты, электронные письма или уведомления клинической бригаде, чтобы определить его способность как идентифицировать пациентов, так и побуждать к разговору о планировании конца жизни. Исследование, в которое вошли 14 607 пациентов и 78 врачей из девяти онкологических клиник системы здравоохранения Пенсильванского университета, проводилось с июня по ноябрь 2019 года.

Среди пациентов с высоким прогнозируемым риском смертности разговоры в группе вмешательства происходили в 304 из 1999 встреч с пациентами (15,2 процента) по сравнению с 77 из 2125 в контрольной группе (3,6 процента). Даже когда пациенты не были отмечены как группы высокого риска, клиницисты, участвовавшие в исследовании, больше участвовали в этих разговорах. Среди всех встреч с пациентами разговоры о серьезных заболеваниях произошли в 155 из 12 170 встреч (1,3 процента) в контрольной группе, в то время как разговоры в группе вмешательства имели место в 632 из 13 889 встреч (4,6 процента).

«Мы взяли алгоритм от ретроспективной проверки до проверки в реальном времени, чтобы фактически протестировать его в клинике, чтобы увидеть, может ли он влиять на лечение пациентов» , – сказал Парик, который также является частью Penn Center for Cancer Care Innovation. «Благодаря его успеху, я думаю, что мы составили дорожную карту для других организаций, которые, возможно, думают об использовании аналитики для управления важным поведением».

Инструмент машинного обучения продолжает использоваться в онкологических клиниках Пенсильванского университета и доказал свою ценность во время пандемии COVID-19. Уровень разговоров о серьезных заболеваниях продолжал оставаться высоким после завершения испытания, несмотря на то, что многие из этих разговоров проходили в Интернете на протяжении большей части 2020 года, когда многие клинические посещения приходилось проводить с помощью телемедицины для обеспечения безопасности пациентов.

Leave comment

Your email address will not be published. Required fields are marked with *.

18 − 11 =