Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

L'algoritmo di salubrità influenzato contro i ritrovamenti neri delle persone studia

Un nuovo studio ha rivelato che comunemente e l'algoritmo ampiamente usato di sanità può essere polarizzato contro i nero e può negarli di trattamento medico vitale. Lo studio nominato, “tendenziosità razziale di dissezione in un algoritmo usato per gestire la salubrità delle popolazioni,„ è stato pubblicato questa settimana nell'ultima emissione della scienza del giornale.

Credito di immagine: SeaRick1/Shutterstock
Credito di immagine: SeaRick1/Shutterstock

L'autore principale Ziad Obermeyer, un professore associato sostituto all'università di California, Berkeley dice senza nominare l'algoritmo che “quasi ogni grande sistema sanitario„ attualmente usa questo algoritmo per il loro trattamento e questo include le istituzioni come pure gli assicuratori importanti. Ha detto, “questa è una funzionalità sistematica del modo praticamente ognuno negli approcci dello spazio questo problema.„ Secondo lo studio oltre 200 milione di persone e la loro sanità venga sotto l'egida di questo algoritmo.

Gli autori dello studio hanno spiegato che la maggior parte dei fornitori di cure mediche usano questo algoritmo per schermare i pazienti e la valutazione loro per assistenza medica ed interventi ad alto rischio. Quelli con i comorbidities complessi e le malattie serie sono selezionati dall'algoritmo per il trattamento e l'intervento. Queste persone sono orecchio tracciato e possono ricevere la più attenzione dai fornitori di cure mediche. Queste persone ottengono le nomine di priorità con medici ed ottengono le cure infermieristiche dedicate. Per il sistema sanitario, spiegato gli autori dello studio, questo genere di algoritmo salva milioni ed egualmente assicura che quei che la maggior parte del bisogno il servizio ed approvvigionato ad in primo luogo. Ciò assicura la migliore ed utilizzazione ottimale delle risorse.

Per selezionare questi pazienti, l'algoritmo utilizza gli elementi del costo secondo ciascuno dei pazienti e questo dà loro un'idea equa circa il bisogno del paziente. Secondo gli autori dello studio, la loro ricerca trova che le persone del nero hanno accesso alle cure sanitarie più difficile in primo luogo. Ciò significa che di meno è speso sulla loro salubrità. L'algoritmo potrebbe mancare così queste persone poichè non sono fra i pazienti che sono più costosi al sistema sanitario. Il gruppo spiega che la discrepanza di accesso disuguale alla sanità non è indirizzata così dall'algoritmo universalmente usato e accettato questo. Obermeyer ha detto, “il costo è un proxy ragionevole per salubrità, ma è polarizzato e quella scelta è realmente che cosa presenta di sbieco nell'algoritmo.„

Sendhil Mullainathan, un professore del calcolo e della scienza comportamentistica al banco della cabina dell'università di Chicago dell'affare ed all'autore dello studio, ha detto in un'istruzione, “è vero inconcepibile me che chiunque altro algoritmo non soffre da questo. Sono promettente che questo induce l'intera industria a dire, ` oh, mio, noi devo fissare questo.' „

Secondo i loro risultati, il gruppo ha notato che attualmente il servizio e l'attenzione supplementari di sanità è ricevuto da 17,7 per cento della popolazione di colore. Se i costi previsti potessero essere portati alla pari con la popolazione bianca, 46,5 per cento dei pazienti neri dovrebbero essere sulla lista di cura speciale. Il gruppo ha esaminato 3,7 milione persone e come l'algoritmo le ha classificate per il loro studio. Hanno trovato che il nero ha speso $1.800 più di meno nei costi medici all'anno che i pazienti bianchi quando entrambe le persone hanno avute stesso numero delle malattie croniche.

Secondo Obermeyer, ci sono molte disparità fra un determinato bianco e un nero in termini di spesa di sanità. La perdita di lavoro, povertà del riferimento, riduzioni di stipendio dovuto i motivi di salubrità è tutti i contributori alla disparità che ha detto. Ha aggiunto, “là è appena milione modi in cui la povertà lo rende difficile accedere alla sanità.„ La tendenziosità in termini di medici che curano i pazienti neri egualmente entra in gioco che ha detto.

Obermeyer ha aggiunto tuttavia che questo problema non è unsolvable e potrebbe essere rimediato a facilmente. Ha detto, “che diagonale è fissabile, non con i nuovi dati, non con un nuovo, genere più operato di rete neurale, ma realmente appena cambiando la cosa che l'algoritmo è supposto predire.„ Ha detto che l'algoritmo deve mettere a fuoco sui risultati di salubrità di tutti i pazienti piuttosto di quanto costati da solo. Ciò ha potuto risolvere questo problema di disparità. Ha concluso, “con quell'attenzione attenta a come prepariamo gli algoritmi che possiamo ottenere molti loro vantaggi, ma minimizza il rischio di tendenziosità.„

In un articolo accompagnante con lo studio, Ruha Benjamin, un professore associato degli studi dell'afroamericano alla Princeton University, ha parlato della storia di Henrietta manca di. Lacks era una giovane madre afroamericana con cancro cervicale di cui le celle cervicali scaturiscono usato per la ricerca biomedica senza sua conoscenza o acconsentono. “Direzione da quanta gente ancora pensa che il razzismo sempre debba essere intenzionale e rifornito da malizia. Non vuole ammettere gli effetti razzisti della tecnologia a meno che possano segnare il boogeyman con esattezza bigotto dietro lo schermo,„ Benjamin ha detto.

Journal reference:

Dissecting racial bias in an algorithm used to manage the health of populations Ziad Obermeyer, Brian Powers, Christine Vogeli, Sendhil Mullainathan, Science 25 Oct 2019: Vol. 366, Issue 6464, pp. 447-453 DOI: 10.1126/science.aax2342, https://science.sciencemag.org/content/366/6464/447

Dr. Ananya Mandal

Written by

Dr. Ananya Mandal

Dr. Ananya Mandal is a doctor by profession, lecturer by vocation and a medical writer by passion. She specialized in Clinical Pharmacology after her bachelor's (MBBS). For her, health communication is not just writing complicated reviews for professionals but making medical knowledge understandable and available to the general public as well.

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Mandal, Ananya. (2019, October 26). L'algoritmo di salubrità influenzato contro i ritrovamenti neri delle persone studia. News-Medical. Retrieved on October 25, 2020 from https://www.news-medical.net/news/20191026/Health-algorithm-biased-against-black-individuals-finds-study.aspx.

  • MLA

    Mandal, Ananya. "L'algoritmo di salubrità influenzato contro i ritrovamenti neri delle persone studia". News-Medical. 25 October 2020. <https://www.news-medical.net/news/20191026/Health-algorithm-biased-against-black-individuals-finds-study.aspx>.

  • Chicago

    Mandal, Ananya. "L'algoritmo di salubrità influenzato contro i ritrovamenti neri delle persone studia". News-Medical. https://www.news-medical.net/news/20191026/Health-algorithm-biased-against-black-individuals-finds-study.aspx. (accessed October 25, 2020).

  • Harvard

    Mandal, Ananya. 2019. L'algoritmo di salubrità influenzato contro i ritrovamenti neri delle persone studia. News-Medical, viewed 25 October 2020, https://www.news-medical.net/news/20191026/Health-algorithm-biased-against-black-individuals-finds-study.aspx.