Um estudo de viabilidade para melhorar a triagem de câncer colorretal entre códigos postais racialmente diversos em um condado de pobreza persistente usando navegação e algoritmos preditivos de aprendizado de máquina (PCSNaP)

Especificamente, os objetivos deste estudo são: 1) Adaptar um algoritmo de aprendizagem automática previamente validado, baseado em registos eletrónicos de saúde (EHR), para prever a deteção de cancro colorretal (CCR), retreinando o modelo com dados de pacientes atendidos em clínicas de cuidados primários que servem códigos postais com uma elevada proporção de minorias raciais e étnicas residentes no Condado de Filadélfia, um condado de pobreza persistente; e 2) Implementar e avaliar a viabilidade e eficácia de um programa de navegação para o CCR baseado em algoritmo, para aumentar o rastreio de cancro colorretal entre os pacientes do Condado de Filadélfia que apresentam alto risco de CCR e têm colonoscopias não concluídas.

Em conjunto, estes projetos inovadores pretendem ser os primeiros a combinar o uso de algoritmos de aprendizagem automática e a navegação do paciente para aumentar o rastreio de cancro baseado em diretrizes, com o objetivo de reduzir o fardo do CCR entre indivíduos de alto risco que vivem num condado de pobreza persistente, através de uma navegação direcionada e culturalmente sensível que aborde os fatores sociais que impedem o rastreio de CCR.