Adattudomány és kvalitatív kutatás a döntéstámogatáshoz a HIV-gondozási kaszkádban (CASCADE)

Az alacsony és közepes jövedelmű országok (LMIC) követelményeihez szabott klinikai döntéstámogató rendszerek (CDSS) bizonyítottan javítják az irányelveknek való megfelelést, és javítják az egészségügyi dolgozók körében az ellátás minőségét. A leghatékonyabb CDSS-t ki kell fejleszteni és tesztelni kell a helyi régióból származó nagy klinikai adatkészletekkel. A gépi tanulási algoritmusok használata lehetővé teszi a klinikai szövődmények és kimenetelek előrejelzési modelljeinek kidolgozását, amelyek segíthetik az egészségügyi személyzetet a problémák korai felismerésében és a megfelelő beavatkozásokban. Ehhez jól bevált elektronikus egészségügyi nyilvántartási (EHR) rendszerekre van szükség, amelyek egyszerre szolgálnak adatforrásként és platformként a CDSS-en (Learning Health System megközelítés) keresztül történő visszajelzéshez. Az egészségügyi ellátáshoz való hozzáférést biztosító akadémiai modell (AMPATH) EHR-je, amely egy nagy HIV-gondozási program Nyugat-Kenya területén, amelyet nagyrészt az elnök AIDS-elhárítási vészhelyzeti terve (PEPFAR) finanszírozott, közel két évtizede használja az OpenMRS EHR egy változatát. egyedülálló környezetet biztosít ehhez a kutatáshoz.

A javaslat célja olyan adatvezérelt eszközök kifejlesztése és bevezetése, amelyek elősegítik az egészséggel kapcsolatos döntéshozatalt beteg-, klinikai- és megyei szinten, és értékelik e módszerek alkalmazásának hatékonyságát. A hipotézis az, hogy az ezeket az adatvezérelt CDSS-eket használó egészségügyi intézmények javulást mutatnak az ellátás folyamataiban és eredményeiben azokhoz az egészségügyi intézményekhez képest, amelyek nem használnak adatvezérelt CDSS-t az EHR-ben.

A vizsgálat két elsődleges végpontja a gondozásban maradás és a vírusterhelés visszaszorítása.

A motivációt az UNAIDS által a HIV világszerte történő felszámolására létrehozott 95-95-95 HIV-kaszkád ellátási referenciaértékek vezérlik. Röviden, a keretrendszer megköveteli a HIV-fertőzöttek 95%-ának diagnosztizálását, a diagnosztizáltak 95%-ánál antiretrovirális (ART) kezelés megkezdését, és a kezelésben részesülők 95%-ánál a vírusterhelés visszaszorítását (VL). kezelés. Projektünk a második és harmadik fázissal foglalkozik.

Ami a második 95-öt illeti, a visszatartás szükséges feltétele a HIV-fertőzött (PLWH) személyek antiretrovirális terápiában (ART) való fenntartásának, mivel a globális gondozási irányelvek mára előírják, hogy minden PLWH kezdeményez ART-t, miután részt vett az ellátásban. Ami a harmadik 95-öt illeti, Kenyában és sok más LMIC-ben a legtöbb felnőtt kliensnél a vírusterhelési tesztet a kezelés megkezdése után hat hónappal, majd azt követően évente elvégzik. Még a szuppressziót jelző mért VL után is előfordulhat, hogy a nem-adherencia vagy a gyógyszerrezisztencia miatti vírushiány jóval az egy évvel későbbi következő utánkövetés előtt következik be. Ezért modelljeink időközben előre jelzett vírusterhelési értékeket generálnak, és ezek alapján jelzik azokat az egyéneket, akiknek VL-mérést kell végezniük a tervezett nyomon követés előtt.

A kísérlet egy nagyobb NIH által finanszírozott tanulmány része. A tárgyalással kapcsolatos célok a következők:

1. cél: Statisztikai gépi tanulási modellek és algoritmusok fejlesztése és érvényesítése klinikai és programozott döntéstámogatás céljából.

1a: Statisztikai gépi tanulási algoritmusok kidolgozása és validálása, hogy azonosítsa azokat, akiknél nagy a kockázata az ellátástól való elszakadásnak és a vírusos kudarcnak, valamint az aktuális vírusterhelés előrejelzett értékeinek generálása.

1. b: Az optimális döntéshozatal lehetővé tétele érdekében az előrejelzésekkel kapcsolatos statisztikai bizonytalanság reprezentációinak kidolgozása.

   2. cél. Döntési döntéstámogató és adatvizualizációs eszközök fejlesztése, bevezetése és helyszíni tesztelése az orvosok és programvezetők adatvezérelt döntéshozatalának javítása érdekében.

2. a: Hozzon létre egy kiszolgáló architektúrát, hogy támogassa az előrejelzési modelleket az OpenMRS felhasználói felületen (UI).

2b: A kockázat-előrejelzések használatához speciális protokoll kidolgozása és finomítása a kimaradt látogatások és a vírusterhelés meghibásodásának gyakoriságának csökkentése érdekében.

3. cél: Az AMPATH Care Programban szereplő klinikai döntéstámogató eszközök hatásának és hatékonyságának értékelése

3a: Végezze el a CDSS-t az ellátási pontokon minden klinikán az AMPATH Medical Records System (AMRS) használatával Uzima és Dumisha vonzáskörzetében. Ezek a klinikák eltérő méretűek és földrajzi elhelyezkedésűek.

3b: A kísérleti fázist követően végezze el a retenciós arányok és a vírusterhelés visszaszorítási arányának lépcsőzetes, randomizált longitudinális összehasonlítását az AMPATH 30 klinikáján.

A munka sikeres befejezése hatékony CDSS-eszközöket biztosít a HIV-ellátás javításához Kenyában és más LMIC-országokban, valamint eszközöket biztosít a CDSS fejlesztéséhez, frissítéséhez és értékeléséhez más klinikai problémák esetén. A kutatók és kollégák korábbi munkája a fejlesztés és a széles körű bevezetés terén az OpenMRS több mint 44 országban platformot biztosít e munka széles körű terjesztéséhez.