Risk and Benefit Informeret MTM Farmaceutintervention ved hjertesvigt

Hjertesvigt er en meget udbredt, kompleks sygdom forbundet med betydelig morbiditet og omkostninger. For eksempel administrerer Geisinger over 900 hjertesvigtsindlæggelser om året, hvor hver indlæggelse koster anslået $10.000-$12.000. Efterhånden som betalingsmodeller fortsætter med at skifte fra gebyr-for-service til værdibaserede, sker der betydelige investeringer i plejeteamressourcer for at hjælpe med at håndtere populationer af patienter med hjertesvigt. Disse plejeteamressourcer har vist effektivitet. For eksempel indikerer interne Geisinger-målinger, at interventioner ledet af kliniske farmaceuter rettet mod dårligt kontrollerede type II-diabetikere har resulteret i et vedvarende medianfald på 1 % (absolut) i hæmoglobinhæmoglobin a1C (glykeret hæmoglobin). I dette nye miljø er intelligent implementering af begrænsede ressourcer afgørende for at fremme kvaliteten og begrænse omkostningerne.

Ved hjertesvigt har den nuværende risikoforudsigelse vist dårlige prognostiske evner og udgør en barriere for "præcision levering" af plejeteamets ressourcer. I øjeblikket er tilgange begrænset på grund af ikke fuldt ud at udnytte rige, meget granulære objektive data såsom billeddannelse, laboratorieværdier og vitale tegn, og er derfor ikke optimeret til nøjagtigt at forudsige resultater. Efterforskerne har genereret en maskinlæringsmodel til at forudsige både 1-års overlevelse og indlæggelse af hjertesvigt inden for 6 måneder efter ekkokardiografi. Denne model brugte 169 inputvariabler inklusive kliniske data, billeddiagnostiske mål og 18 care gap variabler. Vores resultater viste ikke kun, at maskinlæringsmodellen havde langt overlegen nøjagtighed til at forudsige sygelighedens endepunkter sammenlignet med nuværende tilgange, der brugte faktureringskodedata, men også at care gap-variabler var vigtige for at forudsige 1-års overlevelse. Desuden viste efterforskerne, at lukningen af ​​fire af care gap-variablerne (influenzavaccination, evidensbaseret betablokkerbehandling, ACE (angiotensin-konverterende-enzym) hæmmer/ARB (angiotensinreceptorblokkere) behandling og kontrol af diabetisk a1C (dvs. værdier "i mål)) resulterede i en forudsagt forbedring i 1-års overlevelse på ~1200 (ud af ~11.000) patienter. Denne undersøgelse har derfor til formål at anvende denne maskinlæringstilgang til at dirigere plejeteamressourcer i kliniske omgivelser for at evaluere dens indvirkning på patientoverlevelse og sundhedsudnyttelse.