Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Le modèle neuf recense des stratégies efficaces de diffusion pour des directives de diabète de type 2

Les professionnels de la santé souvent n'adoptent pas les directives neuves pour les pratiques dans les soins médicaux jusqu'à ce que bien après ces directives sont déterminés.

Une équipe de recherche aboutie par Eunice E. Santos, doyen de l'école des sciences de l'information au l'Urbana-Champagne d'Université de l'Illinois, a développé un cadre neuf de modélisation numérique et de simulation pour analyser la prise de décision et pour recenser des stratégies efficaces de diffusion pour les directives médicales.

L'équipe de recherche a examiné des directives pour le diabète de type 2 qui ont été déterminés en 2012 et n'ont pas été adoptés toujours des ans après. Les chercheurs ont constaté que les spécialités, le volume patient et l'expérience des professionnels de la santé étaient parmi les facteurs qui ont affecté l'acceptation des directives personnalisées de régulation glycémique.

L'équipe a développé un cadre de calcul nouveau qui comporte les interactions et les influence parmi des professionnels de la santé, avec d'autres complexités de prise de décision médicale, pour simuler et analyser un large éventail de scénarios du monde réel. Les chercheurs ont introduit le modèle basé culturelement infusé d'agent (CI-ABM) et rapporté leurs découvertes dans l'article de panneau pour le numéro de juin du tourillon d'IEEE de l'informatique biomédicale et de santé.

Leurs points culminants de recherches que la modélisation et la simulation des comportements humains doivent tenir compte des facteurs tels que le contexte socioculturel et les interactions sociales complexes, sans lesquels les modèles peuvent mener à un malentendu profond de prise de décision humaine, ils ont dit.

« Un des défis majeurs capte la prise de décision des acteurs et les facteurs qui les influencent. C'est particulièrement vrai quand les agents sont des êtres humains (par exemple, professionnels de la santé), où leur comportement est incertain et les informations sur les facteurs qui influencent leur prise de décision sont souvent inachevées et/ou contradictoires, » qu'ils a écrit.

Le système de modélisation qu'ils ont développé comporte les réseaux sociaux et les influences culturelles qui guident la prise de décision, et elle capte comment les opinions évoluent au fil du temps en raison des facteurs personnels et externes. Elle fournit cette capacité de modéliser les événements du monde réel qui concernent l'information inachevée, imprécise et contradictoire, et elle fournit une voie de traiter une incertitude dans le comportement humain.

Ces aspects de leur modèle de calcul ont abouti à améliorer l'analyse et la prévision des comportements de directive-diffusion, les chercheurs a indiqué.

Santos et ses collègues avaient l'habitude le modèle pour analyser la diffusion d'une directive de diabète de type 2 qui recommande d'individualiser des objectifs glycémiques pour des patients. Les directives de soins de diabète depuis 2012 ont mis l'accent sur individualiser des objectifs glycémiques basés sur des facteurs patients tels que l'âge, le risque d'hypoglycémie et la santé générale. Mais on ne le connaît pas combien de médecins ont adopté cette directive.

Les chercheurs ont employé deux 2015 études qui se sont concentrées sur des défis relevés par des médecins en individualisant les objectifs glycémiques de leurs patients. Les études ont compris des médecins de divers milieux et une gamme des spécialités - comprenant l'endocrinologie, la médecine de la famille et la gériatrie - remarquez les niveaux et les types de pratique.

Dans leur simulation, certains des médecins ont reçu des recommandations de directive de l'association américaine de diabète. Les pratiques ont également écarté par oral. L'équipe comparée les résultats des simulations avec les réponses données sur les études.

Les chercheurs ont constaté que comprendre des facteurs et des informations socioculturels sur des interactions sociales des professionnels de la santé dans leur modèle a augmenté l'exactitude des comportements de prévision de directive-adoption des groupes démographiques variés. De plus, en comprenant l'information socioculturelle, le modèle aide à recenser les facteurs qui pilotent le comportement de directive-adoption.

Le cadre permet également à des décisionnaires d'étudier l'effet de différents barrages à diffuser l'information médicale de directive, recenser les facteurs contribuant à l'adoption de directive et produire des stratégies visées pour améliorer la transmission au sujet des directives, ils ont dit.

Le système de modélisation aidera des décisionnaires à vérifier différentes stratégies et analyser leurs effets, les chercheurs ont dit. Il fournit une voie de capter l'effet de seuls facteurs - par exemple, en modélisant la diffusion de directive pour des maladies infectieuses, il peut aider à analyser les effets de comporter des informations sur la nouveauté et la mortalité des maladies infectieuses, ainsi que le choc des changements des réseaux sociaux dus aux lockdowns.

Source:
Journal reference:

Santos, E. E., et al. (2021) Analyzing Medical Guideline Dissemination Behaviors Using Culturally Infused Agent Based Modeling Framework. IEEE Journal of Biomedical and Health Informatics. doi.org/10.1109/JBHI.2021.3052809.