Планирование лечения ABA с использованием вспомогательных инструментов v2+ (TREAAT2+) (TREAAT2+)

Расстройство аутистического спектра (РАС) представляет собой сложное гетерогенное расстройство нервного развития, на которое приходится более 250 миллиардов долларов прямых и косвенных ежегодных расходов и, по оценкам, оно встречается у 1 из 36 детей в возрасте до 8 лет в США. Валидированные методы лечения РАС, такие как прикладной поведенческий анализ (ABA), полагаются на сертифицированных поведенческих аналитиков (BCBA) для разработки высокоиндивидуализированных планов лечения с помощью сложного и трудоемкого процесса. Интеграция технологических подходов к планированию лечения (в значительной степени неизученных в контексте ABA), таких как системы поддержки принятия клинических решений на основе данных (CDS) и ассистивные технологии, может модернизировать и оптимизировать рабочий процесс BCBA, что, в свою очередь, может повысить качество обслуживания пациентов. Забота. В последние годы наблюдался высокий спрос на BCBA, что привело к дефициту медицинских услуг, при этом около 72% BCBA испытывают значительное выгорание, что увеличивает оборот BCBA. Одним из факторов, способствующих выгоранию BCBA, является рабочая нагрузка, которая может способствовать утомлению и отчуждению. Рабочий процесс BCBA включает в себя значительное время, затрачиваемое на разработку эффективных индивидуальных планов лечения с помощью утомительного, неавтоматизированного и разнородного процесса, в котором отсутствуют стандартизированные инструменты. Таким образом, существует необходимость автоматизировать существующие рабочие процессы для повышения эффективности, уверенности, последовательности и удовлетворенности BCBA, чтобы смягчить выгорание и, следовательно, улучшить процесс ведения пациентов и, как следствие, клинические результаты пациентов.

В этом проекте SBIR исследователи предлагают интегрировать технологический пакет, управляемый данными (TREAAT2+), в рабочий процесс BCBA, чтобы помочь в упрощенном и последовательном планировании лечения ABA. TREAAT2+ состоит из (1) инструмента CDS на основе алгоритма машинного обучения (MLA), который анализирует данные из электронных медицинских записей (EHR) и рекомендует дозировку лечения в часах, причем MLA интегрирован в собственное приложение («приложение»). ; (2) программный инструмент для планирования лечения, интегрированный с собственным приложением для облегчения легкодоступного контроля за лечением; и (3) отчеты о ходе лечения отдельных пациентов, передаваемые в фирменное приложение от Autism Analytica (AA). Предшественник MLA, интегрированного в приложение, TREAAT, прошел валидацию и достиг отличных результатов (AUROC 0,895) при рекомендуемой дозировке бинарного лечения (<20 или >20 часов в неделю). Исследователи расширят возможности MLA для более детальных рекомендаций по дозировке лечения, развернут в приложении инструмент планирования лечения для использования BCBA и предоставят в приложении результаты оценки данных пациентов с АА. Это повысит эффективность и уверенность BCBA в их рабочем процессе и тем самым значительно уменьшит нагрузку, связанную с ручным и субъективным характером процесса планирования лечения. TREAAT был проверен на основе собственных данных пациентов компании Montera Health TX LLC («Монтера»), и исследователи будут использовать большее количество пациентов для точной настройки и проверки MLA, интегрированного в приложение, для улучшения возможности обобщения. Исследователи ожидают, что MLA будет работать так же или лучше, чем исходный TREAAT в этой расширенной популяции пациентов, и что MLA в сочетании с программным инструментом планирования лечения и переданными данными AA значительно улучшит рабочий процесс BCBA. Отсутствие текущей автоматизации рабочих процессов сочетается со значительным уровнем выгорания BCBA, а TREAAT2+ обеспечивает решение модернизации трудоемких задач в рамках планирования лечения. Преодолев технологический разрыв в рабочем процессе BCBA, TREAAT2+ уменьшит «выгорание» BCBA и, как следствие, улучшит уход за пациентами.

Цель исследования 1: Переподготовка и модернизация MLA TREAAT2+. Исследователи будут использовать больший набор ретроспективных и проспективных данных о пациентах Montera, чем тот, который использовался для первоначального обучения TREAAT, и определят результаты MLA как приращения рекомендуемой дозировки лечения (с шагом 10 часов). Следователи дополнительно интегрируют MLA в наше фирменное приложение. Исследователи ожидают, что показатели эффективности MLA будут сопоставимы или лучше, чем ретроспективные контрольные показатели пилотного исследования (AUROC: 0,895; 95% ДИ: 0,811–0,962).

Цель исследования 2: Проверить надежность MLA TREAAT2+ при разработке плана лечения. Следователи проведут невмешательную проспективную оценку MLA, интегрированного в приложение. Будет оцениваться соответствие между дополнительной дозировкой лечения, предложенной MLA, и дозировкой, предписанной BCBA. Эффективность MLA будет оцениваться на демографических субпопуляциях, чтобы обеспечить минимизацию систематической ошибки. Исследователи ожидают, что будет существенное согласие между лечебной дозировкой, назначенной BCBA, и дозировкой, предложенной MLA, что измерено минимальной межэкспертной надежностью (например, каппа Коэна) более 0,6, что указывает на существенное согласие в соответствии с Классификационная система Лэндиса и Коха.

Цель исследования 3: Оценить влияние внедрения TREAAT2+ на рабочий процесс BCBA. Исследователи будут использовать проспективные данные двух когорт BCBA. Экспериментальная группа (группа BCBA Tech) с самого начала получит полный технологический пакет (TREAAT2+). Контрольная группа (нетехническая группа BCBA) не будет иметь доступа ни к каким инструментам из технологического пакета в течение первых 6 месяцев. В последующие 18 месяцев они будут получать по одному инструменту каждые 6 месяцев, пока не получат доступ ко всему пакету технологий. Исследователи рассчитывают продемонстрировать эффективность TREAAT2+ со статистически значимым улучшением (p < 0,05) по сравнению с исходным уровнем качественных конечных точек (эффективность, уверенность, последовательность и удовлетворенность; согласно измерениям с помощью опросника Лайкерта с самооценкой BCBA) и количественных конечных точек (отведенное время). для разработки плана лечения).