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.

Il nuovo modello identifica le efficaci strategie di diffusione per le linee guida del diabete di tipo 2

I lavoratori di sanità non adottano più spesso le nuove linee guida per i best practice nell'assistenza medica finché bene dopo quelle linee guida sono stabiliti.

Un gruppo dei ricercatori piombo da Eunice E. Santos, il decano del banco delle scienze dell'informazione al Urbana-Champagne dell'università dell'Illinois, ha sviluppato una nuova struttura di calcolo di simulazione e di modellistica per analizzare il processo decisionale ed identificare le efficaci strategie di diffusione per le linee guida mediche.

Il gruppo di ricerca ha esaminato le linee guida per il diabete di tipo 2 che è stato stabilito nel 2012 ed ancora non è stato adottato anni più successivamente. I ricercatori hanno trovato che le specialità, il volume paziente e l'esperienza dei lavoratori di sanità erano fra i fattori che accettazione commovente delle linee guida individualizzate di glycemic-control.

Il gruppo ha sviluppato una struttura di calcolo novella che comprende le interazioni ed influenza fra i lavoratori di sanità, con altre difficoltà di processo decisionale medico, per simulare ed analizzare una vasta gamma di scenari nell'ambiente. I ricercatori hanno introdotto il modello basato culturalmente infuso dell'agente (CI-ABM) ed hanno riferito i loro risultati nell'articolo di coperchio per l'edizione di giugno del giornale di IEEE del Biomedical e dell'informatica di salubrità.

I loro punti culminanti della ricerca che modellare e simulare i comportamenti umani devono considerare i fattori quali il contesto socioculturale e le interazioni sociali complesse, senza cui i modelli possono piombo ad un malinteso profondo del processo decisionale umano, hanno detto.

“Una delle sfide principali stanno catturando il processo decisionale degli attori ed i fattori che li influenzano. Ciò è particolarmente vera quando gli agenti sono esseri umani (per esempio, lavoratori di sanità), dove il loro comportamento è incerto e le informazioni sui fattori che influenzano il loro processo decisionale sono spesso incomplete e/o contraddittorie,„ che essi ha scritto.

Il sistema che modellante hanno messo a punto comprende le reti sociali e le influenze culturali che guidano il processo decisionale e cattura come le credenze evolvono col passare del tempo dovuto i fattori personali ed esterni. Fornisce quella capacità di modellare gli eventi nell'ambiente che comprendono le informazioni incomplete, imprecise e contrastanti e forniscono un modo trattare l'incertezza nel comportamento umano.

Questi aspetti del loro modello di calcolo piombo per migliorare l'analisi e la previsione dei comportamenti di linea guida-diffusione, i ricercatori ha detto.

Santos ed i suoi colleghi hanno usato il modello per analizzare la diffusione di una linea guida del diabete di tipo 2 che raccomanda di individualizzare gli scopi glycemic per i pazienti. Le linee guida di cura del diabete dal 2012 hanno sottolineato l'individualizzazione degli scopi glycemic basati sui fattori pazienti quali l'età, il rischio di ipoglicemia e la salubrità globale. Ma non è conosciuto quanti medici hanno adottato questa linea guida.

I ricercatori hanno usato due 2015 indagini che hanno messo a fuoco sulle sfide affrontate da medici nell'individualizzazione degli scopi glycemic dei loro pazienti. Le indagini hanno incluso medici dai diversi ambiti di provenienza e un intervallo delle specialità - compreso endocrinologia, la medicina di famiglia e la geriatria - avverta i livelli ed i tipi di pratica.

Nella loro simulazione, alcuni dei medici hanno ricevuto le raccomandazioni della linea guida dall'associazione americana del diabete. I best practice egualmente si sono sparsi con a voce alta. Il gruppo ha paragonato i risultati delle simulazioni alle risposte date sulle indagini.

I ricercatori hanno trovato che comprendere i fattori e le informazioni socioculturali sulle interazioni sociali dei lavoratori di sanità nel loro modello ha aumentato l'accuratezza dei comportamenti di predizione di linea guida-approvazione di vari gruppi demografici. Inoltre, comprendendo le informazioni socioculturali, il modello contribuisce ad identificare i fattori che determinano il comportamento di linea guida-approvazione.

La struttura egualmente permette che i responsabili della politica studino l'effetto delle barriere differenti a diffondere le informazioni mediche della linea guida, identificare i fattori che contribuiscono all'approvazione della linea guida e creare le strategie mirate a per migliorare la comunicazione circa le linee guida, hanno detto.

Il sistema modellante aiuterà i responsabili della politica a verificare le strategie differenti ed analizzare i loro effetti, i ricercatori hanno detto. Fornisce un modo catturare l'effetto dei fattori unici - per esempio quando modella la diffusione della linea guida per le malattie infettive, può contribuire ad analizzare gli effetti di comprendere le informazioni sulla novità e sulla mortalità delle malattie infettive come pure l'impatto dei cambiamenti nelle reti sociali dovuto i 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.