Utilizzo di sondaggi per esaminare l'associazione tra esposizione a previsioni di rischio di mortalità per riciclaggio e accuratezza prognostica e processo decisionale degli oncologi medici

Quasi la metà dei malati di cancro negli Stati Uniti riceveranno cure in contrasto con i loro desideri prima della morte. La pianificazione anticipata delle cure avanzate (ACP) e le cure palliative migliorano le cure e i sintomi coerenti con gli obiettivi e riducono l’utilizzo non necessario. Una strategia promettente per aumentare l’ACP e le cure palliative consiste nell’identificare i pazienti a rischio di mortalità in una fase precoce del decorso della malattia, al fine di indirizzare questi servizi. Gli algoritmi di machine learning (ML) sono stati utilizzati in vari settori, inclusa la medicina, per prevedere con precisione il rischio di esiti avversi e indirizzare le risorse iniziali. È stato dimostrato che le “collaborazioni uomo-macchina” – sistemi che sfruttano sia il machine learning che l’intuizione umana – migliorano le previsioni e il processo decisionale in varie situazioni, ma non è noto se le collaborazioni uomo-macchina possano migliorare l’accuratezza prognostica e portare a maggiori e più precoci risultati. ACP e cure palliative. In questo studio, abbiamo contattato un campione nazionale di oncologi medici e li abbiamo invitati a completare un sondaggio basato su vignette. Il nostro obiettivo era esaminare l'associazione tra l'esposizione alle previsioni del rischio di mortalità per ML con l'accuratezza prognostica e il processo decisionale dei medici. Abbiamo presentato una serie di sei vignette che descrivono tre scenari clinici specifici di un paziente con carcinoma polmonare non a piccole cellule (aNSCLC) avanzato che differiscono per età, sesso, performance status, storia di fumo, estensione della malattia, sintomi e stato molecolare. Utilizzeremo queste indagini basate su vignette per esaminare l'associazione tra l'esposizione alle previsioni del rischio di mortalità per ML con l'accuratezza prognostica e il processo decisionale degli oncologi medici.