El algoritmo de la salud orientado contra hallazgos negros de los individuos estudia

Un nuevo estudio ha revelado que común y el algoritmo ampliamente utilizado de la atención sanitaria puede ser en polarización negativa contra negros y puede negarlos del tratamiento médico vital. El estudio titulado, de “polarización negativa racial disección en un algoritmo usado para manejar la salud de poblaciones,” fue publicado esta semana en la última aplicación la ciencia del gorrón.

Haber de imagen: SeaRick1/Shutterstock
Haber de imagen: SeaRick1/Shutterstock

El autor importante Ziad Obermeyer, profesor adjunto interino en la Universidad de California, Berkeley dice sin el nombramiento del algoritmo que “casi cada sistema sanitario grande” actualmente utiliza este algoritmo para su tratamiento y éste incluye las instituciones así como a los aseguradores importantes. Él dijo, “ésta es una característica sistemática de la manera más o menos todo el mundo en las aproximaciones del espacio este problema.” Según el estudio sobre 200 millones de personas de y su atención sanitaria venga bajo el paraguas de este algoritmo.

Los autores del estudio explicaron que la mayoría de los proveedores de asistencia sanitaria utilizan este algoritmo para revisar pacientes y la clasificación ellos para la asistencia médica de alto riesgo y las intervenciones. Ésos con comorbidities complejos y enfermedades serias son seleccionados por el algoritmo para el tratamiento y la intervención. Estos individuos son oído marcado y pueden recibir más atención de los proveedores de asistencia sanitaria. Estos individuos consiguen citas de la prioridad con los doctores y consiguen cuidados dedicados. Para el sistema sanitario, explicado los autores del estudio, esta clase de algoritmo salva millones y también se asegura de que los que la mayoría de la necesidad el servicio y abastecido a primero. Esto asegura la utilización mejor y óptima de recursos.

Para seleccionar a estos pacientes, el algoritmo utiliza datos de costo según cada uno de los pacientes y éste les da una idea justa sobre la necesidad del paciente. Según los autores del estudio, su investigación encuentra que los individuos del negro tienen acceso más pobre a la atención sanitaria en el primer lugar. El significa que menos está pasada en su salud. El algoritmo pudo faltar así a estos individuos pues no están entre los pacientes que son más costosos al sistema sanitario. Las personas explican que la discrepancia del acceso desigual a la atención sanitaria no es dirigida así por algoritmo universal usado y validado esto. Obermeyer dijo, el “costo es un poder razonable para la salud, pero es en polarización negativa, y esa opción es real qué introduce en diagonal en el algoritmo.”

Sendhil Mullainathan, profesor del cómputo y de la ciencia del comportamiento en la escuela de la cabina de la Universidad de Chicago del asunto y el autor del estudio, dijo en una declaración, “me es verdad inconcebible que nadie algoritmo no sufre de esto. Estoy esperanzado que esto hace la industria entera decir, ` oh, mi, nosotros tengo que reparar esto.' ”

Según sus conclusión, las personas observaron que actualmente el servicio y la atención adicionales de la atención sanitaria es recibido por el 17,7 por ciento de la población negra. Si los costos de línea de fondo se podrían traer en el par con la población blanca, el 46,5 por ciento de los pacientes negros necesitaría estar en el filete del cuidado especial. Las personas observaban a 3,7 millones de individuos y cómo el algoritmo los clasificó para su estudio. Encontraron que el negro pasó $1.800 menos en costos médicos por año que los pacientes blancos cuando ambos individuos tenían mismo número de enfermedades crónicas.

Según Obermeyer, hay muchas disparidades entre una persona individual y negra blanca en términos de gasto de la atención sanitaria. La baja del trabajo, pobreza de la línea de fondo, reducciones salariales debido a los argumentos de la salud es todos los contribuidores a la disparidad que él dijo. Él agregó, “allí es apenas millón de maneras de las cuales la pobreza hace difícil llegar hasta atención sanitaria.” La polarización negativa en términos de doctores que tratan a pacientes negros también entra en el juego que él dijo.

Obermeyer agregó sin embargo que este problema no es insoluble y podría ser remediado fácilmente. Él dijo, “que diagonal es fijable, no con nuevos datos, no con una nueva, más de lujo clase de red neuronal, pero real apenas cambiando la cosa que el algoritmo se supone predecir.” Él dijo que el algoritmo necesita centrarse en resultados de la salud de todos los pacientes bastante que costados solamente. Esto podía resolver este problema de la disparidad. Él concluyó, “con esa atención cuidadosa a cómo entrenamos a algoritmos que podemos conseguir muchas sus ventajas, pero disminuye el riesgo de polarización negativa.”

En un artículo acompañante con el estudio, Ruha Benjamin, profesor adjunto de los estudios del afroamericano en la Universidad de Princeton, habló sobre la historia de Henrietta falta. Lacks era un molde-madre afroamericano joven con el cáncer de cuello del útero cuyas células cervicales manan utilizado para la investigación biomédica sin su conocimiento o consienten. “Me golpeo cuánta gente todavía piensa que el racismo siempre tiene que ser intencional y aprovisionado de combustible por la mala voluntad. Ella no quiere admitir los efectos racistas de la tecnología a menos que ella pueda establecer claramente al boogeyman fanático detrás de la pantalla,” Benjamin dijo.

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). El algoritmo de la salud orientado contra hallazgos negros de los individuos estudia. News-Medical. Retrieved on March 30, 2020 from https://www.news-medical.net/news/20191026/Health-algorithm-biased-against-black-individuals-finds-study.aspx.

  • MLA

    Mandal, Ananya. "El algoritmo de la salud orientado contra hallazgos negros de los individuos estudia". News-Medical. 30 March 2020. <https://www.news-medical.net/news/20191026/Health-algorithm-biased-against-black-individuals-finds-study.aspx>.

  • Chicago

    Mandal, Ananya. "El algoritmo de la salud orientado contra hallazgos negros de los individuos estudia". News-Medical. https://www.news-medical.net/news/20191026/Health-algorithm-biased-against-black-individuals-finds-study.aspx. (accessed March 30, 2020).

  • Harvard

    Mandal, Ananya. 2019. El algoritmo de la salud orientado contra hallazgos negros de los individuos estudia. News-Medical, viewed 30 March 2020, https://www.news-medical.net/news/20191026/Health-algorithm-biased-against-black-individuals-finds-study.aspx.