Planejamento de tratamento para ABA empregando ferramentas auxiliares v2+ (TREAAT2+) (TREAAT2+)

O transtorno do espectro do autismo (TEA) é um transtorno do neurodesenvolvimento complexo e heterogêneo que representa mais de US$ 250 bilhões em gastos anuais diretos e indiretos e estima-se que ocorra em 1 em cada 36 crianças com menos de 8 anos de idade nos EUA. Tratamentos validados de ASD, como Análise de Comportamento Aplicada (ABA), contam com Analistas de Comportamento Certificados pelo Conselho (BCBAs) para desenvolver planos de tratamento altamente individualizados por meio de um processo complexo e trabalhoso. A integração de abordagens baseadas em tecnologia para o planejamento do tratamento (em grande parte inexploradas no contexto da ABA), como sistemas de apoio à decisão clínica (CDS) baseados em dados e tecnologia assistiva, pode modernizar e otimizar o fluxo de trabalho do BCBA, o que, por sua vez, pode melhorar o desempenho do paciente. Cuidado. Tem havido uma grande procura de BCBAs nos últimos anos, o que levou a uma escassez que sobrecarrega os prestadores de cuidados, com cerca de 72% dos BCBAs a sofrer um esgotamento significativo, aumentando a rotatividade de BCBAs. Um fator que contribui para a taxa de esgotamento do BCBA é a carga de trabalho, que pode alimentar a exaustão e o desligamento. O fluxo de trabalho do BCBA inclui um tempo significativo gasto no desenvolvimento de planos de tratamento individualizados eficazes através de um processo tedioso, não automatizado e heterogêneo, sem ferramentas padronizadas. Assim, existe uma necessidade de automatizar os fluxos de trabalho existentes para aumentar a eficiência, a confiança, a consistência e a satisfação do BCBA, a fim de mitigar o esgotamento e, consequentemente, melhorar o processo de gestão dos pacientes e, por extensão, os resultados clínicos dos pacientes.

Neste projeto SBIR, os investigadores propõem integrar um pacote tecnológico baseado em dados (TREAAT2+) no fluxo de trabalho do BCBA para auxiliar no planejamento de tratamento ABA simplificado e consistente. TREAAT2+ consiste em (1) uma ferramenta CDS baseada em algoritmo de aprendizado de máquina (MLA) que analisa dados de registros eletrônicos de saúde (EHRs) e recomenda dosagem de tratamento em termos de horas, onde o MLA é integrado a um aplicativo proprietário ("aplicativo") ; (2) uma ferramenta de software de planejamento de tratamento integrada ao aplicativo proprietário para facilitar a supervisão do tratamento altamente acessível; e (3) relatórios de progresso de pacientes individuais enviados para o aplicativo proprietário da Autism Analytica (AA). O antecessor do MLA integrado ao aplicativo, TREAAT, foi validado e obteve excelente desempenho (AUROC de 0,895) para uma recomendação binária de dosagem de tratamento (<20 ou >20 horas/semana). Os investigadores aumentarão a capacidade do MLA para recomendações de dosagem de tratamento mais granulares, implantar uma ferramenta de software de planejamento de tratamento no aplicativo para uso de BCBA e fornecer avaliações de dados de pacientes AA enviadas no aplicativo. Isto melhorará a eficiência e a confiança do BCBA no seu fluxo de trabalho e, assim, reduzirá significativamente a carga relacionada com a natureza manual e subjectiva do processo de planeamento do tratamento. O TREAAT foi validado com dados proprietários de pacientes da Montera Health TX LLC ("Montera"), e os investigadores usarão um número maior de pacientes para ajustar e validar o MLA integrado ao aplicativo para melhorar a generalização. Os investigadores esperam que o MLA tenha um desempenho tão bom ou melhor do que o TREAAT original nesta população expandida de pacientes e que o MLA, em conjunto com a ferramenta de software de planejamento de tratamento e os dados AA enviados, irá melhorar significativamente o fluxo de trabalho do BCBA. A falta de automação atual do fluxo de trabalho coexiste com taxas significativas de esgotamento do BCBA, e o TREAAT2+ fornece a solução para modernizar tarefas demoradas no planejamento do tratamento. Ao colmatar a lacuna tecnológica no fluxo de trabalho do BCBA, o TREAAT2+ mitigará o esgotamento do BCBA e, por extensão, melhorará o atendimento ao paciente.

Objetivo de estudo 1: Retreinar e atualizar o MLA do TREAAT2+. Os investigadores usarão um conjunto maior de dados retrospectivos e prospectivos do paciente Montera do que foi empregado para o treinamento TREAAT original e projetarão a saída do MLA como incrementos da recomendação de dosagem de tratamento (em incrementos de 10 horas). Os investigadores integrarão adicionalmente o MLA em nosso aplicativo proprietário. Os investigadores esperam que as métricas de desempenho do MLA sejam comparáveis ​​ou melhores do que os benchmarks retrospectivos do estudo piloto (AUROC: 0,895; IC 95%: 0,811 - 0,962).

Objetivo do estudo 2: testar a robustez do MLA do TREAAT2+ no desenvolvimento do plano de tratamento. Os investigadores conduzirão uma avaliação prospectiva não intervencionista do MLA integrado ao aplicativo. A concordância entre a dosagem incremental de tratamento sugerida pelo MLA e a dosagem prescrita pelo BCBA será avaliada. O desempenho do MLA será avaliado em subpopulações demográficas para garantir a minimização do viés. Os investigadores esperam que haja concordância substancial entre a dosagem de tratamento prescrita pelo BCBA e a dosagem sugerida pelo MLA, conforme medido pela confiabilidade mínima entre avaliadores (por exemplo, Kappa de Cohen) superior a 0,6, o que indica concordância substancial de acordo com o Sistema de classificação de Landis e Koch.

Objetivo de estudo 3: Avaliar o impacto da implantação do TREAAT2+ no fluxo de trabalho do BCBA. Os investigadores utilizarão dados prospectivos de duas coortes de BCBA. Um grupo experimental (coorte BCBA Tech) receberá o pacote tecnológico completo (TREAAT2+) desde o início. O grupo de controle (coorte não tecnológica do BCBA) não terá acesso a nenhuma ferramenta do pacote tecnológico durante os primeiros 6 meses. Nos 18 meses subsequentes, eles receberão uma ferramenta a cada 6 meses até terem acesso a todo o pacote tecnológico. Os investigadores esperam demonstrar a eficácia do TREAAT2 + com melhoria estatisticamente significativa (p <0,05) em relação à linha de base em endpoints qualitativos (eficiência, confiança, consistência e satisfação; conforme medido pelas escalas do questionário Likert auto-relatadas do BCBA) e endpoints quantitativos (tempo alocado para o desenvolvimento do plano de tratamento).