Pianificazione del trattamento per l'ABA utilizzando strumenti ausiliari v2+ (TREAAT2+) (TREAAT2+)

Il disturbo dello spettro autistico (ASD) è un disturbo dello sviluppo neurologico complesso ed eterogeneo che rappresenta più di 250 miliardi di dollari in spese annuali dirette e indirette e si stima che si verifichi in 1 bambino su 36 di età inferiore a 8 anni negli Stati Uniti. I trattamenti ASD convalidati, come l'analisi comportamentale applicata (ABA), si affidano agli analisti comportamentali certificati dal Board (BCBA) per sviluppare piani di trattamento altamente personalizzati attraverso un processo complesso e ad alta intensità di lavoro. L'integrazione di approcci basati sulla tecnologia per la pianificazione del trattamento (in gran parte inesplorati nel contesto dell'ABA), come i sistemi di supporto alle decisioni cliniche (CDS) basati sui dati e la tecnologia assistiva, può modernizzare e ottimizzare il flusso di lavoro BCBA, che, a sua volta, può migliorare il paziente cura. Negli ultimi anni c’è stata una forte domanda di BCBA, che ha portato a carenze che mettono a dura prova gli operatori sanitari, con circa il 72% dei BCBA che hanno sperimentato un significativo burnout, aumentando il turnover dei BCBA. Un fattore che contribuisce al tasso di burnout del BCBA è il carico di lavoro, che può alimentare esaurimento e disimpegno. Il flusso di lavoro del BCBA include un tempo significativo dedicato allo sviluppo di piani di trattamento individualizzati efficaci attraverso un processo noioso, non automatizzato ed eterogeneo privo di strumenti standardizzati. Pertanto, è necessario automatizzare i flussi di lavoro esistenti per aumentare l’efficienza, la fiducia, la coerenza e la soddisfazione del BCBA, al fine di mitigare il burnout e di conseguenza migliorare il processo di gestione del paziente e, per estensione, i risultati clinici del paziente.

In questo progetto SBIR, i ricercatori propongono di integrare un pacchetto tecnologico basato sui dati (TREAAT2+) nel flusso di lavoro del BCBA per assistere con una pianificazione del trattamento ABA snella e coerente. TREAAT2+ consiste in (1) uno strumento CDS basato su algoritmo di apprendimento automatico (MLA) che analizza i dati delle cartelle cliniche elettroniche (EHR) e raccomanda il dosaggio del trattamento in termini di ore, in cui l'MLA è integrato in un'applicazione proprietaria ("app") ; (2) uno strumento software di pianificazione del trattamento integrato con l'app proprietaria per facilitare la supervisione del trattamento altamente accessibile; e (3) rapporti sui progressi dei singoli pazienti inseriti nell'app proprietaria di Autism Analytica (AA). Il predecessore dell'MLA integrato nell'app, TREAAT, è stato convalidato e ha ottenuto prestazioni eccellenti (AUROC di 0,895) per una raccomandazione di dosaggio del trattamento binario (<20 o >20 ore/settimana). Gli investigatori miglioreranno la capacità dell'MLA per raccomandazioni sul dosaggio del trattamento più granulari, implementeranno uno strumento software di pianificazione del trattamento nell'app per l'uso di BCBA e forniranno valutazioni dei dati dei pazienti AA nell'app. Ciò migliorerà l’efficienza e la fiducia del BCBA all’interno del loro flusso di lavoro, riducendo così in modo significativo l’onere relativo alla natura manuale e soggettiva del processo di pianificazione del trattamento. TREAAT è stato convalidato con dati proprietari di pazienti di Montera Health TX LLC ("Montera") e i ricercatori utilizzeranno un numero maggiore di pazienti per mettere a punto e convalidare l'MLA integrato nell'app per migliorare la generalizzabilità. I ricercatori si aspettano che l'MLA funzioni altrettanto o meglio del TREAAT originale in questa popolazione ampliata di pazienti e che l'MLA, insieme allo strumento software di pianificazione del trattamento e ai dati AA inviati, migliorerà significativamente il flusso di lavoro BCBA. La mancanza dell’attuale automazione del flusso di lavoro coesiste con tassi significativi di burnout del BCBA e TREAAT2+ fornisce la soluzione per modernizzare le attività che richiedono tempo nell’ambito della pianificazione del trattamento. Colmando il divario tecnologico nel flusso di lavoro del BCBA, TREAAT2+ mitigherà il burnout del BCBA e, per estensione, migliorerà la cura del paziente.

Obiettivo dello studio 1: riqualificazione e aggiornamento dell'MLA di TREAAT2+. I ricercatori utilizzeranno una serie più ampia di dati retrospettivi e prospettici dei pazienti Montera rispetto a quelli utilizzati per la formazione TREAAT originale e progetteranno l'output MLA come incrementi della raccomandazione sul dosaggio del trattamento (in incrementi di 10 ore). Gli investigatori integreranno inoltre l'MLA nella nostra app proprietaria. I ricercatori si aspettano che i parametri delle prestazioni MLA siano paragonabili o migliori rispetto ai parametri di riferimento retrospettivi dello studio pilota (AUROC: 0,895; IC 95%: 0,811 - 0,962).

Obiettivo dello studio 2: testare la robustezza dell'MLA di TREAAT2+ nello sviluppo del piano di trattamento. Gli investigatori condurranno una valutazione prospettica non interventistica dell'MLA integrato nell'app. Verrà valutato l'accordo tra il dosaggio incrementale del trattamento suggerito dal MLA e il dosaggio prescritto dal BCBA. Le prestazioni MLA saranno valutate su sottopopolazioni demografiche per garantire la minimizzazione dei bias. I ricercatori si aspettano che ci sarà un accordo sostanziale tra il dosaggio del trattamento prescritto dal BCBA e il dosaggio suggerito da MLA, misurato dall'affidabilità minima tra valutatori (ad esempio, Kappa di Cohen) superiore a 0,6, che indica un accordo sostanziale secondo il Sistema di classificazione di Landis e Koch.

Obiettivo dello studio 3: valutare l'impatto dell'implementazione di TREAAT2+ all'interno del flusso di lavoro BCBA. I ricercatori utilizzeranno dati prospettici provenienti da due coorti BCBA. Un gruppo sperimentale (coorte BCBA Tech) riceverà fin dall'inizio il pacchetto tecnologico completo (TREAAT2+). Il gruppo di controllo (coorte BCBA non tecnologica) non avrà accesso ad alcuno strumento del pacchetto tecnologico per i primi 6 mesi. Nei successivi 18 mesi riceveranno uno strumento ogni 6 mesi fino ad avere accesso all'intero pacchetto tecnologico. I ricercatori si aspettano di dimostrare l'efficacia di TREAAT2+ con un miglioramento statisticamente significativo (p < 0,05) rispetto al basale negli endpoint qualitativi (efficienza, fiducia, coerenza e soddisfazione; misurati mediante le scale del questionario Likert auto-riferite dalla BCBA) e negli endpoint quantitativi (tempo assegnato allo sviluppo del piano di trattamento).