Sistema de recomendación de la experiencia del paciente para la personalización de la comunicación persuasiva (PERSPECT)

Para maximizar la perspectiva del paciente y respaldar de manera efectiva las opciones de estilo de vida, desarrollaremos el "Sistema de recomendación de experiencia del paciente para la adaptación de la comunicación persuasiva". PERSPeCT es un sistema informático adaptativo que evaluará la perspectiva individual de un paciente, comprenderá las preferencias del paciente en cuanto a los mensajes de salud y proporcionará una comunicación de salud personalizada y persuasiva relevante para el paciente individual.

Los investigadores proponen superar las debilidades clave en las intervenciones de comunicación de salud dirigidas por expertos de arriba hacia abajo mediante la aplicación de algoritmos avanzados de aprendizaje automático para recomendar mensajes de forma adaptativa basados ​​en la "inteligencia colectiva" de miles de pacientes. Este trabajo aprovechará un enfoque de cambio de paradigma "Web 2.0" para la personalización adaptativa con el potencial de un amplio impacto en el campo de la comunicación de salud adaptada a la computadora (CTHC).

Usando el conocimiento de expertos científicos, las intervenciones actuales de CTHC recopilan "perfiles" de pacientes de referencia y luego usan sistemas basados ​​en reglas escritos por expertos para dirigir mensajes a subconjuntos de pacientes. Estas intervenciones de segmentación del mercado son prometedoras para ayudar a ciertos pacientes a alcanzar objetivos de estilo de vida. Aunque teóricamente sólidos, los sistemas basados ​​en reglas pueden no tener en cuenta los conceptos socioculturales que tienen una importancia intrínseca para la población objetivo, lo que limita su relevancia. Además, las reglas no se adaptan a los comentarios de los pacientes.

Fuera de la atención médica, compañías como Google, Amazon, Netflix y Pandora han hecho un uso extensivo de los sistemas de recomendación adaptables para brindar contenido con mayor relevancia personal. Estos sistemas utilizan algoritmos de aprendizaje automático para derivar recomendaciones personalizadas de una variedad de fuentes de datos, incluidos los comentarios de preferencia recopilados de usuarios individuales.

Dentro del alcance de este piloto del Instituto de Investigación de Resultados Centrados en el Paciente (PCORI), los investigadores abordarán los desafíos de adaptar los sistemas de recomendación de aprendizaje automático a CTHC en el contexto específico del apoyo a la decisión del paciente para dejar de fumar. Los investigadores han elegido este dominio porque el tabaquismo es una de las principales causas de muerte prevenibles y porque tenemos una base de datos existente de 1000 mensajes persuasivos desarrollados en una subvención federal actual (R01 CA129091). Los objetivos específicos del estudio son:

Objetivo 1: recopilar datos de comentarios explícitos para capacitar a PERSPeCT Reclutar a 700 fumadores utilizando múltiples estrategias complementarias y mediante una interfaz web, pedir a los fumadores que proporcionen (a) perspectivas sobre fumar y dejar de fumar e información sobre el contexto sociocultural y (b) calificaciones del aspecto influyente de los mensajes para dejar de fumar.

Objetivo 2: diseñar, implementar y validar un marco de recomendaciones personalizado. Esto implicará (a) desarrollar e implementar un sistema de recomendación de aprendizaje automático que integre perfiles de pacientes, metadatos de mensajes, vistas de sitios web y calificaciones de influencia, y (b) entrenar el modelo y validar su rendimiento predictivo.

Objetivo 3: Realizar un ensayo piloto aleatorizado (n = 120 fumadores) de PERSPeCT. Los investigadores plantean la hipótesis de que el sistema PERSPeCT (H1) seleccionará mensajes de mayor influencia a medida que los fumadores proporcionen más calificaciones de mensajes y (H2) seleccionará mensajes con mayor influencia que un sistema CTHC basado en reglas cuando los fumadores proporcionen una cantidad suficiente de calificaciones. Los sistemas CTHC respaldan las decisiones de los pacientes. sobre comportamientos, estilos de vida y elecciones. PERSPeCT aborda áreas de interés para PCORI, a saber: 1) Identificar, probar y/o evaluar métodos que pueden usarse para evaluar la perspectiva del paciente al investigar comportamientos, estilos de vida y elecciones dentro del control del paciente; y 2) Desarrollar, refinar, probar y/o evaluar enfoques centrados en el paciente, incluidas las herramientas de apoyo a la toma de decisiones. El equipo de estudio se encuentra en una posición única para lograr estos ambiciosos objetivos dentro del alcance de este piloto de PCORI porque los investigadores utilizarán una base de datos existente de mensajes persuasivos de un estudio anterior, dos años de datos sobre la efectividad de estos mensajes y un equipo transdisciplinario con experiencia en comunicación sanitaria, ingeniería de sistemas web y sistemas de recomendación de aprendizaje automático.