Scienza dei dati e ricerca qualitativa per il supporto decisionale nella cascata di cure per l'HIV (CASCADE)

È stato dimostrato che i sistemi di supporto alle decisioni cliniche (CDSS) adattati alle esigenze dei paesi a basso e medio reddito (LMIC) migliorano la conformità alle linee guida e la qualità dell’assistenza da parte di una vasta gamma di personale sanitario. Per essere più efficace, il CDSS dovrebbe essere sviluppato e testato con ampi set di dati clinici provenienti dalla regione locale. L’uso di algoritmi di apprendimento automatico consente lo sviluppo di modelli di previsione per complicanze ed esiti clinici, che possono guidare il personale sanitario nell’identificazione precoce dei problemi e negli interventi appropriati. Ciò richiede sistemi di cartelle cliniche elettroniche (EHR) ben consolidati che agiscano sia come fonti di dati che come piattaforme per fornire feedback attraverso il CDSS (approccio Learning Health System). L'EHR presso l'Academic Model Providing Access to Healthcare (AMPATH), un vasto programma di cura dell'HIV nel Kenya occidentale finanziato in gran parte dal President's Emergency Plan for AIDS Relief (PEPFAR), utilizza una versione dell'OpenMRS EHR per quasi due decenni e fornisce un ambiente unico per questa ricerca.

L’obiettivo di questa proposta è sviluppare e implementare strumenti basati sui dati per aiutare il processo decisionale relativo alla salute a livello di paziente, clinica e contea e valutare l’efficacia dell’utilizzo di questi metodi. L'ipotesi è che le strutture sanitarie che utilizzano questi CDSS basati sui dati mostreranno miglioramenti nei processi e nei risultati dell'assistenza rispetto alle strutture sanitarie che non utilizzano CDSS basati sui dati all'interno delle loro cartelle cliniche elettroniche.

I due endpoint primari dello studio sono il mantenimento in cura e la soppressione della carica virale.

La motivazione è guidata dai parametri di riferimento per la cura dell’HIV a cascata 95-95-95 stabiliti da UNAIDS per l’eradicazione dell’HIV in tutto il mondo. In breve, il quadro prevede la diagnosi del 95% dei soggetti affetti da HIV, l’avvio di un trattamento antiretrovirale (ART) per il 95% di coloro a cui è stato diagnosticato e la soppressione della carica virale (VL) per il 95% di coloro che sono in terapia con l’HIV. trattamento. Il nostro progetto affronta la seconda e la terza fase.

Per quanto riguarda i secondi 95, il mantenimento è una condizione necessaria per mantenere le persone che vivono con l’HIV (PLWH) in terapia antiretrovirale (ART), poiché le linee guida globali sull’assistenza ora specificano che tutte le persone con HIV (PLWH) iniziano la terapia antiretrovirale una volta impegnate nella cura. Per quanto riguarda i terzi 95, in Kenya e in molti altri paesi a basso e medio reddito, il test della carica virale per la maggior parte dei pazienti adulti viene effettuato sei mesi dopo l’inizio del trattamento e successivamente ogni anno. Anche dopo una VL misurata che indica la soppressione, il fallimento virale dovuto alla mancata aderenza o alla resistenza ai farmaci può verificarsi ben prima del successivo follow-up un anno dopo. Pertanto i nostri modelli genereranno nel frattempo i valori di carica virale previsti e li utilizzeranno per contrassegnare gli individui che dovrebbero sottoporsi a una misurazione VL prima del follow-up programmato.

Lo studio fa parte di uno studio più ampio finanziato dal NIH. Gli obiettivi legati alla sperimentazione sono i seguenti:

Obiettivo 1: Sviluppare e convalidare modelli e algoritmi statistici di machine learning per il supporto decisionale clinico e programmatico.

1a: Sviluppare e convalidare algoritmi statistici di apprendimento automatico per identificare le persone ad alto rischio di disimpegno dalle cure e di fallimento virale e per generare valori previsti dell’attuale carica virale.

1. b: Sviluppare rappresentazioni dell'incertezza statistica sulle previsioni per consentire un processo decisionale ottimale.

   Obiettivo 2. Sviluppare, implementare e testare sul campo strumenti di supporto decisionale e di visualizzazione dei dati per migliorare il processo decisionale basato sui dati da parte di medici e gestori di programma.

2. a: Creare l'architettura del server per supportare i modelli di previsione nell'interfaccia utente (UI) di OpenMRS.

2b: Sviluppare e perfezionare il protocollo specifico per utilizzare le previsioni di rischio per ridurre le visite mancate e ridurre l'incidenza del fallimento della carica virale.

Obiettivo 3: condurre una valutazione dell'impatto e dell'efficacia degli strumenti di supporto alle decisioni cliniche nel programma di cura AMPATH

3a: Implementare il CDSS presso il punto di cura in tutte le cliniche che utilizzano il sistema di documentazione medica AMPATH (AMRS) nei bacini idrografici di Uzima e Dumisha. Queste cliniche hanno dimensioni e posizione geografica variabili.

3b: Dopo una fase pilota, condurre un confronto longitudinale randomizzato con cuneo a gradini dei tassi di ritenzione e dei tassi di soppressione della carica virale in 30 cliniche presso AMPATH

Il completamento con successo del lavoro fornirà strumenti CDSS efficaci per migliorare la cura dell’HIV in Kenya e in altri paesi a basso e medio reddito, nonché una serie di strumenti per lo sviluppo, l’aggiornamento e la valutazione del CDSS per altri problemi clinici. Il lavoro precedente dei ricercatori e dei colleghi nello sviluppo e nell'ampia diffusione di OpenMRS in più di 44 paesi fornisce una piattaforma per un'ampia diffusione di questo lavoro.