유방암 위험 평가의 정확성을 향상시키는 FHIR 강화 RealRisks (FHIR)

유방암(BC) 사망률이 감소하는 동안, 이 감소는 특히 소수 인종/민족 사이에서 정체되기 시작했습니다. BC 고위험군으로 확인된 여성은 화학적 예방, BC 감수성 유전자 검사, 선별검사 및 기타 개인화된 위험 감소 전략의 혜택을 받을 수 있습니다. 그러나 인구의 각 여성에 대한 위험 평가를 수행하는 데 필요한 시간을 포함하여 장벽이 존재합니다. 위험 평가 모델을 채우기 위한 공통 소스인 전자 건강 기록(EHR)은 EHR에 비해 환자가 제공할 때 더 정확한 데이터 유형 및 누락된 데이터를 포함하여 문제를 제시합니다. 연구자들은 이전에 9,514명의 여성을 대상으로 BCSC(Breast Cancer Surveillance Consortium) 모델에 따라 BC 위험을 계산하기 위해 연령, 인종/민족, BC의 가족력, 양성 유방 질환 및 유방 밀도에 대한 EHR 데이터를 추출했습니다. 자가 보고 및 EHR 데이터를 비교하면 BC의 1도 가족력(14.6% 대 4.4%)과 양성 유방 생검(21.3% 대 11.3%)이 있는 여성이 더 많습니다. 환자 보고 데이터로 식별되었지만 EHR 데이터는 이형성 또는 소엽 상피암이 있는 여성을 더 많이 식별했습니다(1.1% 대 2.3%). EHR은 여성의 26.8%에 대한 인종/민족 데이터와 87.2%에 대한 BC의 1급 가족력에 대한 데이터가 누락되었습니다. FHIR(Fast Healthcare Interoperability Resources), API(애플리케이션 프로그래밍 인터페이스) 및 새로운 법률은 환자가 생성한 건강 데이터와 EHR 데이터를 통합하여 각 접근 방식의 강점을 활용하는 자동화된 BC 위험 평가를 위한 우아한 솔루션을 제공합니다. 이전 작업에서 조사관은 수용 가능성과 유용성을 공평하게 최대화하기 위해 반복 설계 프로세스를 사용하여 RealRisks 의사 결정 지원을 개발했습니다. RealRisks는 BC 위험에 대한 이해를 촉진하고 환자가 입력한 데이터를 수집하여 Gail 모델, BCSC 및 BRCAPRO에 따라 BC 위험을 계산합니다. FHIR을 사용할 수 있게 되었을 때 조사관은 RealRisks를 업데이트하여 EHR에서 BC 위험 계산을 위한 정보를 자동으로 채우고 위험 평가를 실행하기 전에 데이터 검토 및 수정을 요청하는 환자에게 이 데이터를 보여주는 프로토타입 인터페이스를 설계했습니다. 조사관은 최근 FHIR의 EHR 데이터가 자동화된 BC 위험 계산에 통합될 수 있음을 입증하기 위해 타당성 조사를 수행했습니다. 위험 평가 및 맞춤형 BC 위험 감소를 위해 EHR 및 PGHD 데이터를 통합하는 전파 가능하고 공평한 전략을 개발할 가능성을 높이기 위해 초점은 다양한 다민족 여성들 사이에서 우리의 접근 방식을 개선하고 테스트하는 것입니다. 목표는 다음과 같습니다. 1) 사용자 평가를 수행하여 FHIR로 향상된 RealRisk를 개선합니다. 2) 다민족 고위험 여성에 대한 파일럿 연구에서 환자 활성화, 위험 인식 및 유용성에 대한 FHIR 강화 RealRisk의 효과를 평가합니다. 3) FHIR 강화 RealRisk를 임상 치료에 구현하는 데 있어 다단계 장벽을 식별합니다. BC와 관련된 사망률을 고려할 때, 특히 진행된 BC로 진단될 가능성이 더 높은 소수 민족 여성의 경우 정확한 위험 평가 및 위험 감소 전략에 대한 공유 의사 결정을 제공하기 위한 집중적인 노력이 필요합니다. 성공할 경우 이 응용 프로그램에서 테스트한 접근 방식은 건강 데이터에 대한 디지털 액세스를 광범위하게 개선하고 공평한 방식으로 BC 사망률을 줄이기 위한 로드맵을 제공할 수 있습니다.

조사관은 유방암 위험 인식(게일 모델에 따라 인식된 평생 위험에서 실제 위험을 뺀 값) 및 환자 활성화의 정확성을 평가하기 위해 후속 조치를 통해 55명의 고위험 다양한 다민족 여성에 대한 사전/사후 타당성 연구를 수행할 것입니다.