Наука о данных и качественные исследования для поддержки принятия решений в каскаде помощи при ВИЧ (CASCADE)

Было доказано, что системы поддержки клинических решений (CDSS), адаптированные к требованиям стран с низким и средним уровнем дохода (LMIC), улучшают соблюдение рекомендаций и качество медицинской помощи рядом медицинских работников. Для достижения максимальной эффективности CDSS должен быть разработан и протестирован на больших наборах клинических данных из местного региона. Использование алгоритмов машинного обучения позволяет разрабатывать модели прогнозирования клинических осложнений и исходов, которые могут помочь медицинскому персоналу в раннем выявлении проблем и соответствующих вмешательствах. Для этого необходимы хорошо зарекомендовавшие себя системы электронных медицинских карт (EHR), выступающие как в качестве источников данных, так и в качестве платформ для предоставления обратной связи посредством CDSS (подход системы обучения здравоохранению). ЭУЗ в рамках Академической модели обеспечения доступа к здравоохранению (AMPATH), крупной программы помощи при ВИЧ в западной Кении, в значительной степени финансируемой Чрезвычайным планом президента по борьбе со СПИДом (PEPFAR), использовал версию OpenMRS EHR в течение почти двух десятилетий и предоставляет уникальную среду для этих исследований.

Целью этого предложения является разработка и внедрение инструментов, основанных на данных, которые помогут принимать решения, связанные со здоровьем, на уровне пациентов, клиник и округов, а также оценить эффективность использования этих методов. Гипотеза заключается в том, что медицинские учреждения, использующие эти CDSS на основе данных, продемонстрируют улучшения в процессах и результатах лечения по сравнению с медицинскими учреждениями, не использующими CDSS на основе данных в своих EHR.

Двумя основными конечными точками исследования являются удержание пациентов на лечении и подавление вирусной нагрузки.

Мотивация основана на контрольных показателях каскада помощи при ВИЧ 95-95-95, установленных ЮНЭЙДС для искоренения ВИЧ во всем мире. Вкратце, эта концепция предусматривает диагностику 95% людей, живущих с ВИЧ, начало антиретровирусной терапии (АРТ) для 95% тех, у кого был диагностирован ВИЧ, и достижение подавления вирусной нагрузки (ВН) для 95% тех, кто принимает ВИЧ. уход. Наш проект охватывает второй и третий этапы.

Что касается вторых 95, удержание является необходимым условием для продолжения лечения лиц, живущих с ВИЧ (ЛЖВ), на антиретровирусной терапии (АРТ), поскольку в настоящее время глобальные рекомендации по уходу предусматривают, что все ЛЖВ начинают АРТ после оказания им помощи. Что касается третьих 95, то в Кении и многих других странах с низким и средним уровнем доходов тестирование на вирусную нагрузку у большинства взрослых клиентов проводится через шесть месяцев после начала лечения, а затем ежегодно. Даже после измерения ВН, указывающего на подавление, вирусная неудача из-за несоблюдения режима лечения или лекарственной устойчивости может произойти задолго до следующего наблюдения через год. Следовательно, наши модели будут тем временем генерировать прогнозируемые значения вирусной нагрузки и использовать их для обозначения лиц, которым необходимо провести измерение ВН до запланированного наблюдения.

Исследование является частью более крупного исследования, финансируемого Национальным институтом здравоохранения (NIH). Цели, связанные с судебным разбирательством, заключаются в следующем:

Цель 1: Разработка и проверка статистических моделей и алгоритмов машинного обучения для поддержки клинических и программных решений.

1a: Разработать и проверить алгоритмы статистического машинного обучения для выявления лиц с высоким риском отказа от медицинской помощи и вирусной неудачи, а также для генерации прогнозируемых значений текущей вирусной нагрузки.

1. б: Разработать представления статистической неопределенности прогнозов, чтобы обеспечить оптимальное принятие решений.

   Цель 2. Разработка, внедрение и полевые испытания инструментов поддержки принятия решений и визуализации данных для улучшения процесса принятия решений врачами и руководителями программ на основе данных.

2. а: Создайте архитектуру сервера для поддержки моделей прогнозирования в пользовательском интерфейсе OpenMRS.

2b: Разработать и усовершенствовать специальный протокол использования прогнозов риска для уменьшения количества пропущенных посещений и снижения частоты неудачной вирусной нагрузки.

Цель 3: Провести оценку воздействия и эффективности инструментов поддержки клинических решений в программе AMPATH Care.

3a: Внедрить CDSS на местах оказания медицинской помощи во всех клиниках, использующих Систему медицинских записей AMPATH (AMRS) в районах обслуживания Узима и Думиша. Эти клиники имеют разный размер и географическое расположение.

Рисунок 3b: После пилотного этапа провести ступенчатое рандомизированное продольное сравнение показателей удержания пациентов и показателей подавления вирусной нагрузки в 30 клиниках AMPATH.

Успешное завершение работы предоставит эффективные инструменты CDSS для улучшения помощи при ВИЧ в Кении и других странах с низким и средним уровнем дохода, а также набор инструментов для разработки, обновления и оценки CDSS для решения других клинических проблем. Предыдущая работа исследователей и коллег по разработке и широкому внедрению OpenMRS в более чем 44 странах обеспечивает платформу для широкого распространения этой работы.