Reducción de los retrasos en el diagnóstico de la diabetes tipo 2 mediante el apoyo a la toma de decisiones

La creciente epidemia de diabetes tipo 2 afecta a más del 8,3 % de la población de EE. UU. y presenta un desafío importante para los sistemas de atención médica y la salud pública. Otros 7 millones de personas tienen diabetes no diagnosticada y más de 79 millones tienen prediabetes, que si no se reconoce y no se trata puede progresar a diabetes en toda regla. Aunque las pruebas de detección y diagnóstico están disponibles de forma rutinaria, los sistemas de salud luchan por diagnosticar a los pacientes con diabetes de manera oportuna. De hecho, el diagnóstico clínico tiene un retraso de 8 a 12 años con respecto al inicio de la desregulación de la glucosa, lo que genera retrasos en el diagnóstico y la presencia de complicaciones diabéticas en el momento del diagnóstico. Entre los pacientes que reciben atención clínica sin un diagnóstico conocido de diabetes, casi todos los pacientes tienen datos aleatorios de glucosa en plasma (RPG) disponibles que potencialmente brindan valiosas señales de seguridad de advertencia temprana con respecto a la necesidad de realizar más pruebas de diabetes. Sin embargo, los valores elevados de glucosa suelen pasar desapercibidos y más del 60% de los valores anormales no se controlan con pruebas de diabetes de manera oportuna. Existen oportunidades para aprovechar los datos existentes dentro de los registros médicos electrónicos (EMR) para identificar a los pacientes que necesitan más pruebas de diabetes y desarrollar soluciones basadas en sistemas para reducir: 1) fallas en el seguimiento de pruebas de glucosa anormales, 2) retrasos en el diagnóstico de diabetes y 3) frecuencia de diagnósticos perdidos de diabetes.

Esta propuesta aprovechará Epic EMR en el Centro Médico Southwestern de la Universidad de Texas (UTSW) para mejorar la detección y las tasas de pruebas de seguimiento de valores anormales de glucosa en la práctica del mundo real.

Los investigadores llevarán a cabo un ensayo pragmático aleatorizado por grupos que compare la eficacia de una estrategia de apoyo a la toma de decisiones clínicas frente a la atención habitual para reducir las fallas en el seguimiento oportuno de los RPG anormales.

Los investigadores se centrarán en la cohorte de 20 000 pacientes establecidos atendidos por 31 médicos asistentes en tres prácticas ambulatorias de atención primaria para adultos en UTSW (dos prácticas de medicina interna general, una medicina familiar y una práctica geriátrica). Los proveedores de atención primaria (PCP) serán asignados al azar a la intervención de apoyo a la decisión clínica oa la atención habitual. Los proveedores en el brazo de intervención/apoyo de decisiones clínicas recibirán apoyo de decisiones clínicas que identifica valores de glucosa aleatorios anormales y solicita a los proveedores que realicen pruebas de detección de diabetes. Los resultados se rastrearán a nivel de paciente y todos los sujetos serán seguidos durante 12 meses para evaluar las tasas de seguimiento de las pruebas de diabetes, el tiempo hasta las pruebas, las tasas de diagnóstico de diabetes posterior y el tiempo hasta el diagnóstico. Los datos sobre la elegibilidad del estudio, los factores de riesgo clínicos y sociodemográficos del paciente, las características del proveedor y de la visita y los resultados se determinarán mediante el EMR completo de Epic. Los investigadores plantean la hipótesis de que el apoyo a la decisión del proveedor basado en la visita será superior a la atención habitual.