Codificación de autopsias verbales entre médicos y computadoras

FONDO

La mayoría de las muertes en los países de ingresos bajos y medianos ocurren fuera del hospital y sin atención médica ni certificación en el momento de la muerte. Por lo tanto, falta información sobre las causas de muerte (COD). En estos entornos, las autopsias verbales (VA), que generalmente involucran entrevistas no médicas no médicas de familiares vivos o asociados cercanos del difunto sobre los detalles de la muerte, con la subsiguiente asignación de COD por parte del médico, se pueden usar para estimar los patrones de COD.

Aunque VA se usa comúnmente para adquirir datos COD basados ​​en la comunidad, su aplicación y modo de asignación de COD pueden variar. La elección de la codificación de autopsia verbal certificada por un médico (PCVA) frente a los métodos de autopsia verbal codificada por computadora (CCVA) ha sido ampliamente debatida. Ambos métodos tienen limitaciones. Si bien los métodos de PCVA presentan diferencias de codificación entre observadores e intraobservadores, además del consumo de tiempo y los gastos del médico, la precisión de los métodos de CCVA, que son más rápidos y menos costosos que el PCVA, no se ha evaluado en diferentes entornos. Una búsqueda bibliográfica arrojó solo un estudio que evaluó sistemáticamente el desempeño de cuatro métodos de autopsia verbal codificados por computadora para la asignación de COD en comparación con la codificación médica de AV en 24,000 muertes en países de ingresos bajos y medianos (Miasnikof et al. 2015).

Aquí, los investigadores proponen el primer ensayo de control aleatorio que evalúa PCVA versus CCVA a nivel de población.

DISEÑO DEL ESTUDIO

Este ensayo de control aleatorio se llevará a cabo en tres estados de la India; Se recogerán vía VA un total de 12.500 muertes ocurridas en los últimos cinco años. En cada distrito (cinco distritos en los tres estados; ver más abajo), el 50 % de las muertes se seleccionan al azar para PCVA y el resto para CCVA. Luego se compara la distribución de COD para ambos grupos dentro de cada distrito. Si el rendimiento de PCVA y CCVA es comparable, las distribuciones obtenidas deberían ser similares.

Distritos de estudio en la India (x número de AV anticipados que se recopilarán de aprox. y número de hogares):

• Amravati, Maharashtra (2500 VA de ~12 500 hogares)
• Distritos de Anand y Kheda, Gujarat (5000 VA de ~25 000 hogares)
• Distritos de Sangrur y Mansa, Punjab (5000 VA de ~25 000 hogares)

OBJETIVOS

• Objetivo principal: Evaluar la codificación de AV por parte de médicos versus computadoras a nivel de población - ¿Los algoritmos de computadora funcionan tan bien como la codificación de AV por parte de médicos al determinar la distribución de COD a nivel de población?
• Objetivo secundario: Evaluar la calidad de la recopilación de datos de VA por parte de un médico frente a un encuestador lego: ¿diferencia la calidad de la información de síntomas recopilada o el COD final asignado cuando un médico frente a un lego lleva a cabo la recopilación de datos de VA?
• Objetivo terciario: Evaluar la preferencia de los hogares por un cuestionario VA corto con narración frente a un cuestionario largo sin narración - ¿Qué instrumento VA prefieren los hogares?

RECOPILACIÓN DE DATOS

La recopilación de datos para el estudio se realizará en dos fases.

• Fase 1: Enumeración y VA (cuestionario corto con narración y cuestionario largo con narración) por recolectores de datos legos. Los cuestionarios VA se diseñaron en base a las recomendaciones de la Organización Mundial de la Salud (OMS).
• Fase 2: Re-muestreo médico para el 50% de los AV que se utilizarán para PCVA Los datos se recopilarán utilizando una computadora portátil/tableta en un formato electrónico en el idioma local.

Control de calidad/Garantía de calidad:

1. Los encuestadores volverán a entrevistar aleatoriamente del 2 al 5 % de los casos con la Encuesta de control de calidad.
2. Se realizará una grabación de audio de toda la recopilación de datos para control de calidad y seguimiento.

PLAN DE ANÁLISIS

• Objetivo principal: el COD para el 50 % de los AV será asignado por médicos capacitados mediante el sistema de codificación de médicos del Million Death Study (MDS); esto incluye la codificación doble e independiente de los registros de VA, los desacuerdos resueltos por reconciliación y los casos restantes por adjudicación por un tercer médico. La asignación de COD estará en línea con la clasificación internacional de enfermedades versión 10 (ICD-10). El 50 % restante de las muertes se asignará COD de forma independiente mediante cinco algoritmos líderes de CCVA. Si el desempeño de PCVA y CCVA son comparables, las distribuciones de COD obtenidas a nivel de la población deben ser similares, esta "similitud" se evaluará calculando la Precisión de la Fracción de Mortalidad Específica por Causa (CSMF) para la asignación de COD de cada algoritmo en cada distrito contra la CSMF de los PCVA del respectivo distrito.
• Objetivo secundario: La mitad de los PCVA de cada distrito serán entrevistados nuevamente por médicos, y los COD se asignarán a estos VA entrevistados nuevamente utilizando el sistema de codificación de médicos MDS descrito anteriormente. Para evaluar la concordancia de la asignación de COD entre los AV recopilados por un lego y por un médico, se calculará la Precisión CSMF para determinar la concordancia a nivel de la población, mientras que la Sensibilidad y la Concordancia corregida por probabilidad parcial (PCCC) se calcularán para evaluar la similitud de la asignación de COD a nivel individual. nivel.
• Objetivo terciario: Se evaluará la cooperación de los encuestados con el cuestionario VA corto con narración versus el cuestionario largo sin narración para determinar qué instrumento VA prefieren los hogares. También se llevará a cabo un grupo focal con encuestadores para recibir sus comentarios sobre el uso de ambos instrumentos en el campo.

Los resultados de este estudio se presentarán como tres ensayos separados (un ensayo por estado). Los resultados del primer ensayo se utilizarán para la generación de hipótesis.