Los científicos están enseñando a las computadoras a descubrir por qué las personas aceptan o rechazan invitaciones para participar en ensayos clínicos. Reclutar un número suficiente de participantes es un desafío actual en la investigación médica que puede comprometer los resultados o suspender algunos estudios por completo.
Investigadores del Centro Médico del Hospital de Niños de Cincinnati informan el 27 de abril en el Journal of the American Medical Informatics Association que están utilizando las llamadas tecnologías de "aprendizaje automático" para predecir si los pacientes participarán.
"Los desafíos con el reclutamiento de pacientes para ensayos clínicos son una barrera importante para la investigación traslacional oportuna y eficiente", dijo Yizhao Ni, PhD, autor principal e investigador en la División de Informática Biomédica en Cincinnati Children's ". El objetivo final de nuestra investigaciónes impactar las estrategias de reclutamiento de pacientes para aumentar la participación en ensayos clínicos y ayudar a garantizar que los estudios puedan completarse y que los datos sean significativos "
Los autores informan en su estudio que su algoritmo automatizado fue significativamente mejor para predecir la respuesta de participación del paciente que el programa que simula las prácticas actuales de reclutamiento.
En el estudio, aproximadamente el 6% de los pacientes abordados con prácticas de reclutamiento tradicionales finalmente aceptaron participar. Los investigadores predicen que su nuevo algoritmo automatizado podría impulsar las tasas de aceptación hasta aproximadamente el 72%. A medida que Ni y sus colegas desarrollan y refinan el algoritmo,su objetivo es aumentar la tasa de aceptación más allá del 72 por ciento.
Los autores trabajaron en estudios previos que identificaron categorías de factores objetivos y subjetivos que influyen en el reclutamiento exitoso de pacientes. La edad, la raza, la educación, el nivel socioeconómico, los recursos financieros y el compromiso de tiempo requerido son ejemplos de factores objetivos. Los factores subjetivos incluyen actitudes sobre la investigación médica, influencia familiar, estacionalidad o si el estado de salud de una persona se ha deteriorado repentinamente.
El nuevo estudio confirma que los pacientes tienen menos probabilidades de participar en estudios aleatorizados, ensayos multicéntricos, ensayos más complejos y ensayos que requirieron visitas de seguimiento. El documento también identifica nuevos desafíos de reclutamiento que deberían analizarse en futuros estudios.
Incluso con una nueva inteligencia creciente sobre por qué las personas aceptan o rechazan las invitaciones a ensayos clínicos, los autores del estudio indican que es difícil procesar manualmente esta nueva información en entornos ocupados de clínicas médicas. Esto hace que las prácticas de reclutamiento actuales sean algo aleatorias, con poco tiempo o capacidad paratener en cuenta las preferencias o sesgos de los pacientes individuales. Un sistema automatizado capaz de analizar e interpretar estos factores también puede desarrollar estrategias precisas de reclutamiento dirigidas por el paciente para mejorar la participación.
El algoritmo de aprendizaje automático desarrollado por Ni y sus colegas básicamente analiza, compara e interpreta diferentes fuentes de datos para predecir la toma de decisiones específicas del paciente. Para probar su algoritmo, los investigadores recolectaron datos desde 2010 hasta 2012 que involucran reclutamiento de ensayos clínicos en el Departamento de Emergencia de CincinnatiChildren's: un entorno ocupado y desafiante con 70,000 visitas anuales de pacientes.
Los autores del estudio escriben que el reclutamiento de pacientes en el Departamento de Emergencias ahora se realiza por visita por paciente. Los coordinadores de investigación clínica intentan vincular a los pacientes con los estudios clínicos apropiados en función de los objetivos y directrices específicos del estudio, y luego se acercan a esos pacientes parainscripción.
Para los propósitos del estudio actual, los investigadores intentaron recopilar datos sobre el proceso del Departamento de Emergencia. Para calificar, cada paciente del Departamento de Emergencia invitado a un ensayo clínico se contaba como un "encuentro". Los pacientes que aceptaban invitaciones fueron etiquetados como "+1"; las respuestas de rechazo se etiquetaron como" -1 ". Los investigadores contaron datos que incluyeron 3,345 encuentros con pacientes para un conjunto diverso de 18 ensayos clínicos diferentes.
Al mismo tiempo, los investigadores recopilaron datos demográficos, socioeconómicos e información clínica de diferentes fuentes para ayudar a construir perfiles de pacientes. Esta información se introdujo en el algoritmo de aprendizaje automático, que procesó los datos a través de programas de modelado predictivo, comparación, análisis ypredicción.
Luego, los investigadores compararon la efectividad de su algoritmo con un "programa de predicción de respuesta aleatoria" que se desarrolló para simular el método de reclutamiento actual en el Departamento de Emergencia del centro médico. Esos resultados se validaron al compararlos con la "aceptación" y"rechazar" las respuestas registradas de los encuentros en persona del Departamento de Emergencias.
Fuente de la historia :
Materiales proporcionado por Centro médico del Hospital de Niños de Cincinnati . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :