Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

O modelo novo identifica estratégias eficazes para o tipo - 2 directrizes da disseminação do diabetes

Os trabalhadores dos cuidados médicos frequentemente não adotam directrizes novas para melhores práticas nos cuidados médicos até que após aquelas directrizes são estabelecidos bem.

Uma equipe dos pesquisadores conduzidos por Eunice E. Santos, decano da escola das ciências da informação no Urbana-Campo das Universidades de Illinois, desenvolveu uma estrutura computacional nova da modelagem e da simulação para analisar a tomada de decisão e identificar estratégias eficazes da disseminação para directrizes médicas.

A equipa de investigação examinou as directrizes para o tipo - diabetes 2 que foram estabelecidas em 2012 e ainda não adotadas anos mais tarde. Os pesquisadores encontraram que as especialidades, o volume paciente e a experiência dos trabalhadores dos cuidados médicos estavam entre os factores que aceitação afetada de directrizes particularizadas do glycemic-controle.

A equipe desenvolveu uma estrutura computacional nova que incorporasse as interacções e as influenciasse entre trabalhadores dos cuidados médicos, junto com outros intricados da tomada de decisão médica, para simular e analisar uma vasta gama de encenações do real-mundo. Os pesquisadores introduziram o modelo baseado cultural infundido do agente (CI-ABM) e relataram seus resultados no artigo de tampa para a introdução de junho do jornal de IEEE do Biomedical e da informática da saúde.

Seus destaques da pesquisa que modelar e simular comportamentos humanos devem levar em consideração factores tais como o contexto sócio-cultural e as interacções sociais complexas, sem que os modelos podem conduzir a um engano profundo da tomada de decisão humana, disseram.

“Um dos desafios principais está capturando a tomada de decisão dos actores e os factores que os influenciam. Isto é especialmente verdadeiro quando os agentes são seres humanos (por exemplo, trabalhadores dos cuidados médicos), onde seu comportamento é incerto e a informação sobre os factores que influenciam sua tomada de decisão é frequentemente incompleta e/ou contraditória,” que eles escreveu.

O sistema que de modelagem desenvolveram incorpora as redes sociais e as influências culturais que guiam a tomada de decisão, e captura como as opiniões evoluem ao longo do tempo devido aos factores pessoais e externos. Fornece essa capacidade para modelar os eventos do real-mundo que envolvem a informação incompleta, imprecisa e opor, e fornece uma maneira de segurar a incerteza no comportamento humano.

Estes aspectos de seu modelo computacional conduziram para melhorar a análise e a previsão de comportamentos da directriz-disseminação, os pesquisadores disse.

Santos e seus colegas usaram o modelo para analisar a disseminação de um tipo - a directriz do diabetes 2 que recomenda particularizar objetivos glycemic para pacientes. As directrizes do cuidado do diabetes têm sublinhado desde 2012 a particularização dos objetivos glycemic baseados em factores pacientes tais como a idade, o risco da hipoglicemia e a saúde total. Mas não se sabe quantos doutores adotaram esta directriz.

Os pesquisadores usaram duas 2015 avaliações que se centraram sobre os desafios enfrentados por doutores em particularizar os objetivos glycemic de seus pacientes. As avaliações incluíram doutores dos fundos diversos e uma escala das especialidades - incluindo a endocrinologia, a medicina de família e a geriatria - experimente níveis e tipos da prática.

Em sua simulação, alguns dos doutores receberam recomendações da directriz da associação americana do diabetes. As melhores práticas igualmente espalharam com a passa palavra. A equipe comparou os resultados das simulações com as respostas dadas nas avaliações.

Os pesquisadores encontraram que isso incluir factores e a informação sócio-culturais sobre interacções sociais de trabalhadores dos cuidados médicos em seu modelo aumentou a precisão de comportamentos de predição da directriz-adopção de vários grupos demográficos. Além, incluindo a informação sócio-cultural, o modelo ajuda a identificar os factores que conduzem o comportamento da directriz-adopção.

A estrutura igualmente permite que os responsáveis políticos estudem o efeito de barreiras diferentes a disseminar a informação médica da directriz, para identificar os factores que contribuem à adopção da directriz e para criar estratégias visadas para melhorar uma comunicação sobre as directrizes, disseram.

O sistema de modelagem ajudará responsáveis políticos a testar estratégias diferentes e para analisar seus efeitos, os pesquisadores disseram. Fornece uma maneira de capturar o efeito de factores originais - por exemplo, ao modelar a disseminação da directriz para doenças infecciosas, pode ajudar a analisar os efeitos de incorporar a informação sobre a novidade e a mortalidade de doenças infecciosas, assim como o impacto das mudanças nas redes sociais devido aos 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.