Un ensayo prospectivo aleatorizado de estímulos personalizados para aumentar las vacunas contra la influenza

En promedio, el 8% de la población estadounidense se enferma de influenza cada temporada de gripe. Desde 2010, la carga anual de morbilidad por influenza en los EE. UU. ha incluido entre 9 y 41 millones de enfermedades, entre 140.000 y 710.000 hospitalizaciones y entre 12.000 y 52.000 muertes. Los CDC recomiendan la vacuna contra la gripe a todas las personas mayores de 6 meses, con raras excepciones; casi cualquier persona puede beneficiarse de la vacuna, que puede reducir las enfermedades, las ausencias laborales, las hospitalizaciones y las muertes.

Los esfuerzos exitosos para vacunar a los pacientes contra la influenza han incluido recordatorios por mensajes de texto programados para preceder las próximas citas elegibles para la vacuna contra la influenza hasta en 3 días. Por ejemplo, el megaestudio sobre la vacuna contra la gripe financiado por Roybal y realizado con pacientes de Penn Medicine y Geisinger (Milkman et al. 2021, Patel et al., 2023) evaluó la eficacia de numerosos tipos de mensajes para aumentar la vacunación, en relación con las comunicaciones estándar de los respectivos sistemas de salud; Debido a los mensajes, se produjo un aumento absoluto promedio de 2,1 puntos porcentuales (o un aumento relativo del 5%) en las vacunas contra la gripe. De manera similar, el análisis de seguimiento del megaestudio que utilizó aprendizaje automático reveló que las intervenciones diferían en efectividad relativa entre grupos de pacientes en función de covariables superpuestas (p. ej., edad, sexo, tipo de seguro y comorbilidades). Este análisis encontró que los empujones dirigidos de manera óptima a los subgrupos que respondieron con mayor fuerza a esos empujones en el megaestudio habrían dado como resultado hasta tres veces los aumentos en la vacunación observados cuando simplemente se asignaban pacientes a los mensajes al azar.

El presente estudio tiene como objetivo probar prospectivamente la eficacia de un empujón basado en mensajes de cara al paciente que este algoritmo de aprendizaje automático retrospectivo predice que será más efectivo para ellos (empujón personalizado) en relación con el control pasivo (sin mensajes), el control activo ( mensaje recordatorio simple) y Best Nudge (mensaje con mejor rendimiento del megaestudio de 2020). Los pacientes serán asignados al azar a uno de estos cuatro brazos.

De los 19 mensajes originales del megaestudio, 12 podrán realizarse en Geisinger en 2024; los otros 7 ya no son relevantes (por ejemplo, aquellos que se refieren a una pandemia de COVID-19 en curso) o no se pueden llevar a cabo debido a una limitación técnica (por ejemplo, Geisinger no puede enviar imágenes, por lo que se excluyen los empujones con imágenes). Se aplicará un árbol de asignación de tratamientos basado en el algoritmo descrito anteriormente a este subconjunto de empujones para generar reglas para asignar pacientes a mensajes personalizados según las covariables observadas.

Los últimos pacientes se inscribirán el 28 de diciembre para las citas programadas el 31 de diciembre. Se espera inscribir al menos a 90.000 pacientes.