SDM basado en datos para reducir la carga de síntomas en la FA

La fibrilación auricular (FA) es el trastorno del ritmo cardíaco más común, y casi el 90% de los pacientes experimentan síntomas como dificultad para respirar que afectan directamente su calidad de vida relacionada con la salud (HRQoL). La ablación con catéter es un procedimiento quirúrgico mínimamente invasivo que se realiza de forma rutinaria para tratar la FA y los síntomas asociados con el objetivo de mejorar la CVRS, pero que también conlleva riesgos potencialmente graves. La toma de decisiones compartida (SDM, por sus siglas en inglés), en la que las decisiones de tratamiento se alinean en función de evidencia de alta calidad y los valores del paciente y los objetivos de atención, es una práctica ampliamente recomendada para navegar por decisiones de atención médica complejas como estas. Sin embargo, el SDM en torno al control del ritmo y los síntomas no se realiza de forma rutinaria debido a la falta de pruebas detalladas sobre la mejora de los síntomas después de la ablación y a la falta de ayudas para la toma de decisiones para comunicar las pruebas a los pacientes. El objetivo general de este premio es crear una ayuda interactiva para la decisión del paciente compuesta por evidencia establecida de ensayos clínicos junto con evidencia novedosa del "mundo real" sobre la mejora de los síntomas después de la ablación extraída de registros de salud electrónicos (EHR).

Los investigadores proponen utilizar "evidencia del mundo real" extraída de los registros de salud electrónicos (EHR) para caracterizar los patrones de síntomas posteriores a la ablación y mostrarlos en visualizaciones de ayuda para la toma de decisiones para respaldar la toma de decisiones compartida (SDM). En este proyecto, los investigadores utilizarán primero el procesamiento de lenguaje natural (NLP) y el aprendizaje automático (ML) para extraer y analizar datos de síntomas de notas narrativas en EHR. Los investigadores también emplearán un riguroso protocolo de diseño centrado en el usuario creado durante el trabajo posdoctoral del investigador principal para desarrollar visualizaciones de ayuda para la toma de decisiones. En el ensayo clínico, los investigadores evaluarán la viabilidad de implementar estas visualizaciones interactivas de ayuda para la toma de decisiones en la práctica clínica.