L'algorithme identifie les patients cancéreux ayant besoin de conversations sur la planification préalable des soins

patient

Crédit: CC0 Public Domain

De nombreux patients atteints d'un cancer n'ont pas la possibilité de discuter de leurs souhaits en matière de traitement avant que leur maladie ne soit trop avancée, alors qu'il est peut-être trop tard pour en discuter avec des proches ou des médecins. Maintenant, une équipe dirigée par Penn Medicine a développé un algorithme qui identifie les patients qui bénéficieraient le plus d'une conversation opportune sur leurs objectifs et leurs souhaits de fin de vie, afin de commencer ce dialogue plus tôt. Dans une nouvelle étude publiée aujourd'hui dans Réseau JAMA ouvert et présenté simultanément au symposium sur les soins de soutien en oncologie de la Société américaine d'oncologie (ASCO) à San Francisco, en Californie – des chercheurs ont découvert que 51% des patients traités par l'algorithme comme "hautement prioritaire" pour ces conversations étaient décédés dans les six mois suivant leur décès. l’évaluation, contre moins de quatre pour cent dans le groupe "moins prioritaire". Ces résultats suggèrent que l'algorithme capture avec précision les patients qui bénéficieraient le plus de discussions en temps opportun sur leurs objectifs, leurs valeurs et leurs préférences en matière de soins.

On pense que cette étude est l’une des premières, si ce n’est la première, à examiner l’application d’un système d’apprentissage automatique. algorithme pour les patients en oncologie.

"Chaque jour, il est en fait assez difficile d'identifier les patients de ma clinique qui bénéficieraient le plus d'une conversation proactive sur la planification avancée des soins", a déclaré Ravi Parikh, MD, auteur principal de l'étude, enseignant de l'éthique médicale et des politiques de santé à l'université. de Pennsylvanie et un médecin membre du personnel du centre médical caporal Michael J. Crescenz VA. "Souvent, les patients n'évoquent pas leurs souhaits et leurs objectifs à moins d'y être invités, et les médecins n'ont peut-être pas le temps de le faire dans une clinique achalandée. Avoir un tel algorithme peut amener les médecins de la clinique à penser" Est-ce le bon moment pour parler des préférences de ce patient? '"

Les chercheurs ont appliqué trois modèles prédictifs différents à 26 525 patients recevant des soins oncologiques ambulatoires dans deux hôpitaux du système de santé de l'Université de Pennsylvanie. Chaque information utilisée communément disponible dans les dossiers médicaux électroniques des patients: caractéristiques démographiques telles que le sexe et l'âge, données standard sur la comorbidité telles que le patient hypertension artérielleet données de laboratoire et électrocardiogramme.

Comparé à d’autres techniques d’apprentissage automatique, telles que le "boosting de gradient" et "régression logistique, "le" modèle de forêt aléatoire "construit par l'équipe dans cette étude a donné les meilleurs résultats prédictifs: environ la moitié des patients à haut risque sont décédés en six mois et près de 65% sont décédés environ un an et demi plus tard Lorsqu’on a interrogé 15 oncologues, ils ont convenu que 60% des patients identifiés par l’algorithme comme «à haut risque» étaient définitivement appropriés pour des conversations immédiates au sujet de leurs souhaits.

Cet algorithme a été créé avec l'aide d'une équipe de chercheurs de Penn Medicine qui a également développé un algorithme différent, appelé Palliative Connect, à des fins similaires. Ce système est utilisé pour déclencher des consultations avec le personnel des soins palliatifs et s'est récemment révélé particulièrement efficace, augmentant les consultations de 74%. Mais l'étude dirigée par Parikh est différente en ce sens qu'elle vise à augmenter le nombre de conversations entre les patients et les oncologues eux-mêmes en consultation externe.

"Nous sommes enthousiasmés par l'évolutivité de cette méthode d'aide à la décision pour les fournisseurs, et pas seulement en oncologie", a déclaré Parikh. "Notre processus d'utilisation du machine learning pour identifier les patients à haut risque en temps réel est largement applicable, et notre approche consiste à stratifier le risque des patients de manière utilisable, ce qui n'était tout simplement pas disponible auparavant."

Maintenant que l'algorithme s'est révélé prometteur, Parikh a déclaré qu'il était mis en œuvre dans un centre médical ne faisant pas partie du projet pilote initial de cette étude. Les chercheurs vérifient si le choix des meilleurs patients pour les conversations incite les médecins à engager ces discussions. Les chercheurs travaillent actuellement sur un essai contrôlé randomisé impliquant une centaine de cliniciens d’une durée de trois à six mois.

"Les données initiales de notre pilote suggèrent que l'utilisation de l'algorithme peut stimuler ces conversations", a déclaré Parikh.


Aborder une maladie grave en posant une question grave aux cliniciens


Plus d'information:
Réseau JAMA ouvert (2019). DOI: 10.1001 / jamanetworkopen.2019.15997

Fourni par
École de médecine Perelman de l'Université de Pennsylvanie

Citation:
                                                 L'algorithme identifie les patients cancéreux ayant besoin de conversations sur la planification préalable des soins (25 octobre 2019)
                                                 récupéré le 28 octobre 2019
                                                 à partir de https://medicalxpress.com/news/2019-10-algorithm-cancer-patients-advance-conversations.html

Ce document est soumis au droit d'auteur. Mis à part toute utilisation équitable à des fins d’étude ou de recherche privée, aucun
                                            partie peut être reproduite sans autorisation écrite. Le contenu est fourni seulement pour information.

Source

A propos newstrotteur-fr

Découvrez également

Une nouvelle étude affirme que certains cancers “ne sont pas découverts”

Une nouvelle étude affirme que certains cancers “ne sont pas découverts”

Une nouvelle étude controversée prétend qu’un cancer sur cinq diagnostiqué en Australie aurait mieux valu …

Laisser un commentaire

Do NOT follow this link or you will be banned from the site!