補助ツール v2+ (TREAAT2+) を使用した ABA の治療計画 (TREAAT2+)

自閉症スペクトラム障害 (ASD) は複雑で不均一な神経発達障害で、直接的および間接的な年間支出額が 2,500 億ドルを超え、米国では 8 歳未満の子供の 36 人に 1 人が発症すると推定されています。 応用行動分析（ABA）などの検証済みのASD治療法は、複雑で労働集約的なプロセスを介して高度に個別化された治療計画を開発するために認定行動分析士（BCBA）に依存しています。 データ駆動型臨床意思決定支援 (CDS) システムや支援技術など、治療計画のためのテクノロジーベースのアプローチ (ABA の文脈ではほとんど解明されていない) を統合することで、BCBA ワークフローを最新化および最適化し、ひいては患者の治療能力を向上させることができます。お手入れ。 近年、BCBAの需要が高まっているため、BCBA不足が医療従事者に負担を与えており、BCBAの約72％が重大な燃え尽き症候群に陥っており、BCBAの離職率が増加しています。 BCBA の燃え尽き率に寄与する要因の 1 つは、疲労感ややる気の喪失を促進する可能性がある作業負荷です。BCBA のワークフローには、標準化されたツールを欠いた、退屈で自動化されていない異種混合のプロセスを介して、効果的な個別の治療計画を作成するのに多大な時間が費やされます。 したがって、燃え尽き症候群を軽減し、その結果として患者管理プロセス、ひいては患者の臨床転帰を改善するために、BCBA の効率、信頼性、一貫性、満足度を高めるために既存のワークフローを自動化する必要があります。

この SBIR プロジェクトでは、研究者らはデータ駆動型技術パッケージ (TREAAT2+) を BCBA のワークフローに統合して、効率的で一貫した ABA 治療計画を支援することを提案しています。 TREAAT2+ は、(1) 電子医療記録 (EHR) からのデータを分析し、時間単位で治療量を推奨する機械学習アルゴリズム (MLA) ベースの CDS ツールで構成されます。MLA は独自のアプリケーション (「アプリ」) に統合されています。 ; (2) アクセス性の高い治療監視を容易にする独自のアプリと統合された治療計画ソフトウェア ツール。 (3) 個々の患者の経過レポートが Autism Analytica (AA) の独自アプリにプッシュされます。 アプリ統合型 MLA の前身である TREAAT は検証され、推奨される 2 つの治療量 (<20 時間/週または >20 時間/週) に対して優れたパフォーマンス (AUROC 0.895) を達成しました。 研究者らは、より詳細な治療量推奨のための MLA の能力を強化し、アプリ内で BCBA を使用するための治療計画ソフトウェア ツールを展開し、アプリ内でプッシュ型 AA 患者データ評価を提供する予定です。 これにより、ワークフロー内での BCBA の効率と信頼性が向上し、治療計画プロセスの手動的かつ主観的な性質に関連する負担が大幅に軽減されます。 TREAAT は、Montera Health TX LLC (「モンテラ」) の患者からの独自データを使用して検証されており、研究者らはより多くの患者を使用して、アプリに統合された MLA を微調整して検証し、一般化可能性を向上させます。 研究者らは、この拡大した患者集団において MLA が元の TREAAT と同等かそれ以上のパフォーマンスを発揮し、MLA が治療計画ソフトウェア ツールおよびプッシュされた AA データと連携して BCBA ワークフローを大幅に改善すると期待しています。 現在のワークフロー自動化の欠如は、重大な BCBA バーンアウト率と共存しています。TREAAT2+ は、治療計画内の時間のかかるタスクを最新化するソリューションを提供します。 TREAAT2+ は、BCBA ワークフローにおける技術的なギャップを埋めることにより、BCBA の燃え尽き症候群を軽減し、ひいては患者ケアを改善します。

研究目的 1: TREAAT2+ の MLA の再トレーニングとアップグレード。 研究者らは、元の TREAAT トレーニングに使用されたものよりも大量の遡及的および前向きのモンテラ患者データを使用し、推奨される治療量の増分 (10 時間増分) として MLA 出力を設計します。 調査員はさらに、MLA を当社独自のアプリに統合します。 研究者らは、MLA のパフォーマンス指標がパイロット研究の遡及的ベンチマークと同等か、それより優れていると予想しています (AUROC: 0.895; 95% CI: 0.811 ～ 0.962)。

研究の目的 2: 治療計画策定における TREAAT2+ の MLA の堅牢性をテストします。 研究者は、アプリに統合された MLA の非介入的な前向き評価を実施します。 MLA が提案する治療用量の増分と BCBA が処方する用量の間の一致が評価されます。 MLA のパフォーマンスは、バイアスを最小限に抑えるために、人口統計上の部分母集団に対して評価されます。 研究者らは、BCBA が処方した治療用量と MLA が提案した用量との間には、0.6 を超える最小評価者間信頼性 (コーエンのカッパなど) で測定されるように、実質的な一致があると予想しています。ランディスとコッホの分類システム。

研究の目的 3: BCBA ワークフロー内で TREAAT2+ を導入した場合の影響を評価します。 研究者らは、2 つの BCBA コホートからの前向きデータを利用します。 実験グループ (BCBA Tech コホート) は、最初から完全な技術パッケージ (TREAAT2+) を受け取ります。 対照グループ (BCBA 非技術コホート) は、最初の 6 か月間、技術パッケージのツールにアクセスできません。 その後の 18 か月間、技術パッケージ全体にアクセスできるようになるまで、6 か月ごとに 1 つのツールが提供されます。 研究者らは、定性的エンドポイント（効率、信頼性、一貫性、満足度、BCBA自己申告リッカート質問尺度で測定）および定量的エンドポイント（割り当てられた時間）において、ベースラインと比較して統計的に有意な改善（p < 0.05）を示し、TREAAT2+の有効性を実証することを期待しています。治療計画の策定まで）。