Datavidenskab og kvalitativ forskning til beslutningsstøtte i HIV Care Cascade (CASCADE)

Kliniske beslutningsstøttesystemer (CDSS), der er skræddersyet til kravene i lav- og mellemindkomstlande (LMIC), har vist sig at forbedre overholdelse af retningslinjer og kvaliteten af ​​pleje hos en række sundhedspersonale. For at være mest effektiv bør CDSS udvikles og testes med store kliniske datasæt fra den lokale region. Brug af maskinlæringsalgoritmer tillader udvikling af forudsigelsesmodeller for kliniske komplikationer og resultater, som kan vejlede sundhedspersonale i tidlig identifikation af problemer og passende indgreb. Dette kræver veletablerede elektroniske journalsystemer (EPJ), der fungerer som både datakilder og som platforme til at levere feedback gennem CDSS (Learning Health System-tilgang). EPJ ved den akademiske model, der giver adgang til sundhedspleje (AMPATH), et stort hiv-plejeprogram i det vestlige Kenya, der i vid udstrækning er finansieret af præsidentens nødplan for AIDS-hjælp (PEPFAR), har brugt en version af OpenMRS EPJ i næsten to årtier og giver et unikt miljø for denne forskning.

Formålet med dette forslag er at udvikle og implementere datadrevne værktøjer til at støtte sundhedsrelateret beslutningstagning på patient-, klinik- og amtsniveau og evaluere effektiviteten af ​​at bruge disse metoder. Hypotesen er, at sundhedsfaciliteter, der bruger disse datadrevne CDSS, vil vise forbedringer i processer og resultater af pleje sammenlignet med sundhedsfaciliteter, der ikke bruger datadrevet CDSS i deres EPJ'er.

De to primære endepunkter for undersøgelsen er retention i pleje og suppression af virusbelastning.

Motivationen er drevet af 95-95-95 HIV-kaskade af plejebenchmarks etableret af UNAIDS for at udrydde HIV på verdensplan. Kort fortalt opfordrer rammen til diagnosticering af 95 % af individer, der har HIV, initiering af antiretroviral (ART) behandling for 95 % af dem, der er blevet diagnosticeret, og opnåelse af suppression af viral load (VL) for 95 % af dem, der er på behandling. Vores projekt omhandler anden og tredje fase.

Hvad angår den anden 95, er fastholdelse en nødvendig betingelse for at fastholde personer, der lever med HIV (PLWH) på antiretroviral terapi (ART), fordi globale retningslinjer for pleje nu specificerer, at alle PLWH starter ART, når de er engageret i pleje. Med hensyn til de tredje 95, i Kenya og mange andre LMIC, udføres virusbelastningstestning for de fleste voksne klienter seks måneder efter behandlingsstart og årligt derefter. Selv efter en målt VL, der indikerer suppression, kan viral svigt på grund af manglende overholdelse eller lægemiddelresistens forekomme i god tid før næste opfølgning et år senere. Derfor vil vores modeller generere forudsagte viral load-værdier i mellemtiden og bruge dem til at markere individer, der skal have en VL-måling før den planlagte opfølgning.

Forsøget er en del af en større NIH-finansieret undersøgelse. Målene i forbindelse med forsøget er som følger:

Mål 1: Udvikle og validere statistiske maskinlæringsmodeller og algoritmer til klinisk og programmatisk beslutningsstøtte.

1a: Udvikle og validere statistiske maskinlæringsalgoritmer for at identificere dem, der har høj risiko for at blive frigjort fra pleje og virussvigt, og for at generere forudsagte værdier af den aktuelle virusbelastning.

1. b: Udvikle repræsentationer af statistisk usikkerhed om forudsigelserne for at muliggøre optimal beslutningstagning.

   Mål 2. Udvikle, implementere og felttest beslutningsstøtte og datavisualiseringsværktøjer for at forbedre datadrevet beslutningstagning hos læger og programledere.

2. a: Opret serverarkitekturen til at understøtte forudsigelsesmodellerne i OpenMRS-brugergrænsefladen (UI).

2b: Udvikle og forfine den specifikke protokol til at bruge risikoforudsigelserne til at reducere ubesvarede besøg og reducere forekomsten af ​​viral belastningsfejl.

Mål 3: Udfør evaluering af virkningen og effektiviteten af ​​de kliniske beslutningsstøtteværktøjer i AMPATH Care Program

3a: Implementer CDSS på plejestedet i alle klinikker ved hjælp af AMPATH Medical Records System (AMRS) i Uzima og Dumisha opland. Disse klinikker har varierende størrelse og geografisk placering.

3b: Udfør efter en pilotfase en randomiseret longitudinel trinvis sammenligning af retentionsrater og virusbelastningsundertrykkelsesrater i 30 klinikker på AMPATH

Den vellykkede afslutning af arbejdet vil give effektive CDSS-værktøjer til at forbedre HIV-plejen i Kenya og andre LMIC'er, samt et sæt værktøjer til udvikling, opdatering og evaluering af CDSS til andre kliniske problemer. Tidligere arbejde udført af efterforskerne og kolleger i udvikling og bred udbredelse OpenMRS i mere end 44 lande giver en platform for bred formidling af dette arbejde.