Un estudio de viabilidad para mejorar la detección del cáncer colorrectal entre códigos postales racialmente diversos en un condado de pobreza persistente utilizando algoritmos predictivos de navegación y aprendizaje automático (PCSNaP)

En concreto, los objetivos de este estudio son: 1) Adaptar un algoritmo de aprendizaje automático previamente validado basado en el historial clínico electrónico (HCE) para predecir la detección del cáncer colorrectal (CCR), reentrenando el modelo con datos de pacientes atendidos en clínicas de atención primaria que prestan servicio a códigos postales con una alta proporción de minorías raciales y étnicas que viven en el condado de Filadelfia, un condado de pobreza persistente; y 2) Implementar y evaluar la viabilidad y eficacia de un programa de navegación de CCR basado en algoritmos para aumentar la detección del cáncer colorrectal entre los pacientes del condado de Filadelfia que tienen un alto riesgo de CCR y tienen colonoscopias sin completar.

Juntos, estos proyectos novedosos pretenden ser los primeros en combinar el uso de algoritmos de aprendizaje automático y la navegación del paciente para aumentar la detección del cáncer basada en directrices, con el fin de reducir la carga del CCR entre las personas de alto riesgo que viven en un condado de pobreza persistente mediante una navegación específica y culturalmente sensible que aborde los factores sociales que impiden la detección del CCR.