Risiko- og nytteinformert MTM-farmasøytintervensjon ved hjertesvikt

Hjertesvikt er en svært utbredt, kompleks sykdom forbundet med betydelig sykelighet og kostnader. For eksempel administrerer Geisinger over 900 hjertesviktinnleggelser per år, hvor hver innleggelse koster anslagsvis $10.000-$12.000. Ettersom betalingsmodeller fortsetter å skifte fra gebyr-for-tjeneste til verdibasert, skjer det betydelige investeringer i omsorgsteamressurser for å hjelpe til med å håndtere populasjoner av pasienter med hjertesvikt. Disse omsorgsteamressursene har vist effektivitet. For eksempel indikerer interne Geisinger-målinger at intervensjoner ledet av kliniske farmasøyter rettet mot dårlig kontrollerte type II-diabetikere har resultert i et vedvarende median 1 % (absolutt) fall i hemoglobinhemoglobin a1C (glykert hemoglobin). I dette nye miljøet er intelligent distribusjon av begrensede ressurser avgjørende for å drive kvalitet og begrense kostnadene.

Ved hjertesvikt har gjeldende risikoprediksjon vist dårlige prognostiske evner og utgjør en barriere for "presisjonslevering" av omsorgsteamets ressurser. Foreløpig er tilnærminger begrenset på grunn av at rike, svært granulære objektive data som bildebehandling, laboratorieverdier og vitale tegn ikke fullt ut utnyttes, og er derfor ikke optimalisert for nøyaktig å forutsi utfall. Etterforskerne har generert en maskinlæringsmodell for å forutsi både 1-års overlevelse og hjertesvikt på sykehus innen 6 måneder etter ekkokardiografi. Denne modellen brukte 169 inngangsvariabler inkludert kliniske data, bildediagnostikk og 18 omsorgsgapvariabler. Resultatene våre viste ikke bare at maskinlæringsmodellen hadde langt overlegen nøyaktighet for å forutsi sykelighetsendepunktene sammenlignet med nåværende tilnærminger som brukte faktureringskodedata, men også at omsorgsgapvariabler var viktige for å forutsi 1-års overlevelse. Videre viste etterforskerne at ved å lukke fire av omsorgsgapet-variablene (influensavaksinasjon, evidensbasert betablokkerbehandling, ACE (angiotensin-konverterende-enzym) hemmer/ARB (angiotensinreseptorblokkere) behandling og kontroll av diabetisk a1C (dvs. verdier "i mål)) resulterte i en forventet forbedring i 1-års overlevelse på ~1200 (av ~11 000) pasienter. Denne studien tar derfor sikte på å bruke denne maskinlæringstilnærmingen til å dirigere omsorgsteamressurser i en klinisk setting for å evaluere dens innvirkning på pasientoverlevelse og bruk av helsetjenester.