Plánování léčby pro ABA s využitím pomocných nástrojů v2+ (TREAAT2+) (TREAAT2+)

Porucha autistického spektra (ASD) je komplexní, heterogenní neurovývojová porucha, která představuje více než 250 miliard USD v přímých a nepřímých ročních výdajích a odhaduje se, že se vyskytuje u 1 z 36 dětí ve věku < 8 let v USA. Ověřené léčby ASD, jako je aplikovaná analýza chování (ABA), spoléhají na certifikované analytiky chování (BCBA) při vývoji vysoce individualizovaných léčebných plánů prostřednictvím komplexního a pracně náročného procesu. Integrace technologických přístupů pro plánování léčby (z velké části neprozkoumané v kontextu ABA), jako jsou datově řízené systémy pro podporu klinického rozhodování (CDS) a asistenční technologie, může modernizovat a optimalizovat pracovní tok BCBA, což může naopak zlepšit stav pacienta. péče. V posledních letech byla vysoká poptávka po BCBA, což vedlo k nedostatku, který zatěžoval poskytovatele péče, přičemž asi 72 % BCBA zažívá výrazné vyhoření, což zvyšuje obrat BCBA. Jedním z faktorů přispívajících k míře vyhoření BCBA je pracovní zátěž, která může podněcovat vyčerpání a neangažovanost. Pracovní postup BCBA zahrnuje značný čas strávený vývojem účinných individualizovaných léčebných plánů prostřednictvím zdlouhavého, neautomatizovaného a heterogenního procesu bez standardizovaných nástrojů. Existuje tedy potřeba automatizovat stávající pracovní postupy za účelem zvýšení účinnosti, důvěry, konzistence a spokojenosti BCBA, aby se zmírnilo vyhoření a následně zlepšil proces řízení pacienta a potažmo i klinické výsledky pacientů.

V tomto projektu SBIR vyšetřovatelé navrhují integrovat technologický balíček řízený daty (TREAAT2+) do pracovního postupu BCBA, aby pomohl s efektivním a konzistentním plánováním léčby ABA. TREAAT2+ se skládá z (1) nástroje CDS založeného na algoritmu strojového učení (MLA), který analyzuje data z elektronických zdravotních záznamů (EHR) a doporučuje dávkování léčby v hodinách, kde je MLA integrována do proprietární aplikace ("aplikace") ; (2) softwarový nástroj pro plánování léčby integrovaný s proprietární aplikací pro usnadnění vysoce dostupného dohledu nad léčbou; a (3) zprávy o pokroku jednotlivých pacientů vložené do proprietární aplikace od Autism Analytica (AA). Předchůdce MLA integrovaného do aplikace, TREAAT, byl ověřen a dosáhl vynikajícího výkonu (AUROC 0,895) pro doporučení binární léčby (<20 nebo >20 hodin/týden). Vyšetřovatelé posílí kapacitu MLA pro podrobnější doporučení dávkování léčby, nasadí do aplikace softwarový nástroj pro plánování léčby pro použití BCBA a v aplikaci poskytnou vyhodnocení dat pacientů AA. To zlepší efektivitu BCBA a důvěru v jejich pracovní postup, a tím výrazně sníží zátěž související s manuální a subjektivní povahou procesu plánování léčby. TREAAT byla ověřena s vlastními daty od pacientů společnosti Montera Health TX LLC ("Montera") a vyšetřovatelé použijí větší počet pacientů k doladění a ověření MLA integrované do aplikace za účelem zlepšení zobecnění. Vyšetřovatelé očekávají, že MLA bude fungovat stejně dobře nebo lépe než původní TREAAT v této rozšířené populaci pacientů a že MLA ve spojení se softwarovým nástrojem pro plánování léčby a posunutými daty AA výrazně zlepší pracovní tok BCBA. Absence současné automatizace workflow koexistuje s významnými mírami vyhoření BCBA a TREAAT2+ poskytuje řešení modernizace časově náročných úkolů v rámci plánování léčby. Tím, že překlene technologickou mezeru v pracovním postupu BCBA, TREAAT2+ zmírní syndrom vyhoření BCBA a tím i zlepší péči o pacienty.

Cíl studie 1: Rekvalifikace a aktualizace MLA TREAAT2+. Vyšetřovatelé použijí větší soubor retrospektivních a prospektivních údajů o pacientech s Monterou, než jaký byl použit pro původní trénink TREAAT, a navrhnou výstup MLA jako přírůstky doporučeného dávkování léčby (v přírůstcích po 10 hodinách). Vyšetřovatelé navíc začlení MLA do naší proprietární aplikace. Vyšetřovatelé očekávají, že výkonnostní metriky MLA budou srovnatelné nebo lepší než retrospektivní benchmarky z pilotní studie (AUROC: 0,895; 95% CI: 0,811 - 0,962).

Cíl studie 2: Otestovat robustnost MLA TREAAT2+ při vývoji léčebného plánu. Vyšetřovatelé provedou neintervenční prospektivní hodnocení MLA integrované do aplikace. Bude posouzena shoda mezi přírůstkovou léčebnou dávkou navrženou MLA a dávkou předepsanou BCBA. Výkon MLA bude hodnocen na demografických subpopulacích, aby byla zajištěna minimalizace zkreslení. Vyšetřovatelé očekávají, že bude podstatná shoda mezi léčebnou dávkou předepsanou BCBA a dávkou navrženou MLA, měřeno minimální spolehlivostí mezi hodnotiteli (např. Cohen's Kappa) větší než 0,6, což naznačuje podstatnou shodu podle Landisův a Kochův klasifikační systém.

Cíl studie 3: Vyhodnotit dopad nasazení TREAAT2+ v rámci pracovního postupu BCBA. Výzkumníci využijí prospektivní data ze dvou kohort BCBA. Experimentální skupina (skupina BCBA Tech) obdrží od začátku kompletní technický balíček (TREAAT2+). Kontrolní skupina (netechnická kohorta BCBA) nebude mít prvních 6 měsíců přístup k žádným nástrojům z technologického balíčku. V následujících 18 měsících obdrží jeden nástroj každých 6 měsíců, dokud nezískají přístup k celému technickému balíčku. Vyšetřovatelé očekávají, že prokážou účinnost TREAAT2+ se statisticky významným zlepšením (p < 0,05) oproti výchozí hodnotě v kvalitativních koncových bodech (účinnost, důvěra, konzistence a spokojenost; měřeno pomocí Likertových dotazníkových škál BCBA) a kvantitativních koncových bodech (přidělený čas k vypracování léčebného plánu).