An Online Survey of Healthcare Professionals to Understand the Use of Clinical Prediction Models in Practice
Diese Studie befragte 157 Fachkräfte aus dem Gesundheitswesen und ergab, dass klinische Vorhersagemodelle zwar im Allgemeinen geschätzt und weit verbreitet sind, ihre effektive Implementierung jedoch durch Probleme bei der Workflow-Integration, regulatorische Unsicherheit und eine inkonsistente Anwendung behindert wird, was koordinierte Anstrengungen erforderlich macht, um sicherzustellen, dass die Modelle transparent, benutzerfreundlich und für die reale Praxis streng validiert sind.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich den menschlichen Körper als eine riesige, geschäftige Stadt vor, in der jede Sekunde Millionen winziger Ereignisse stattfinden. Ärzte sind die Stadtplaner, die versuchen, alles am Laufen zu halten, aber manchmal brauchen sie ein wenig Hilfe dabei, Staus, Stromausfälle oder Stürme vorherzusagen, bevor sie passieren. Hier kommen Klinische Prädiktionsmodelle (Clinical Prediction Models, CPMs) ins Spiel. Betrachten Sie diese Modelle nicht als magische Kristallkugeln, sondern als hoch entwickelte Wetter-Apps für den menschlichen Körper. Sie nehmen eine Reihe verschiedener Hinweise – wie das Alter einer Person, die Familiengeschichte oder die aktuellen Symptome – und berechnen die Zahlen, um die Wahrscheinlichkeit eines zukünftigen gesundheitlichen Ereignisses, wie etwa eines Herzinfarkts oder eines Schlaganfalls, zu schätzen. Obwohl diese digitalen Werkzeuge dazu gedacht sind, die ultimativen Gehilfen für Ärzte zu sein, um Entscheidungen schneller und sicherer zu treffen, gibt es ein Rätsel: Warum werden sie nicht überall eingesetzt? Einige Ärzte schwören auf sie, während andere kaum wissen, dass sie existieren. Das Verständnis dieser Lücke ist entscheidend, denn wenn wir diese hilfreichen Werkzeuge nicht in die Hände der Menschen bringen können, die sie benötigen, könnten wir wertvolle Leben retten oder Krankheiten verhindern.
Dieses Paper ist wie eine riesige, globale „Aufruf zur Handhebung“-Umfrage, die an medizinische Fachkräfte gesendet wurde, um genau herauszufinden, was mit diesen Prädiktionsmodellen vor sich geht. Die Forscher, ein Team der University of Liverpool, wollten wissen: Nutzen Ärzte und Pflegekräfte diese Werkzeuge tatsächlich? Mögen sie sie? Und wenn sie sie nicht nutzen, was hält sie davon ab? Sie baten 157 medizinische Fachkräfte aus der ganzen Welt (obwohl die meisten aus dem Vereinigten Königreich kamen), einen Online-Fragebogen auszufüllen.
Dies ist es, was sie fanden: Die Mehrheit der Befragten (82 %) wusste, dass diese Modelle existieren, und eine solide Mehrheit (71 %) nutzt sie tatsächlich in ihrer täglichen Arbeit. Wenn gefragt wurde, wie nützlich sie seien, gaben die Fachkräfte ihnen eine hohe Punktzahl, mit einem Medianwert von 8 von 10. Es scheint, dass diese Werkzeuge, wenn sie funktionieren, gut funktionieren. Die beliebtesten Modelle waren jene, die altersbedingte Risiken vorhersagen, wie der CHA2DS2-VASc-Score (der das Schlaganfallrisiko prüft) oder QRISK (das das Risiko eines Herzinfarkts betrachtet). Interessanterweise waren, obwohl die Umfrage viele Ärzte mit Spezialisierungen in Schwangerschaft und Frauenheilkunde (Obstetrik und Gynäkologie) enthielt, die spezifisch für sie entwickelten Werkzeuge überraschenderweise weniger verbreitet als die allgemeinen Modelle.
Aber die Geschichte wird noch interessanter, wenn wir uns ansehen, wie diese Werkzeuge verwendet werden. Die Ärzte und Pflegekräfte haben sehr starke Meinungen darüber, was ein Werkzeug „gut“ macht. Sie wollen, dass ihre Prädiktionsmodelle so einfach zugänglich sind wie ein Snack aus einem Verkaufsautomaten. Die bevorzugten Wege, um auf diese Werkzeuge zuzugreifen, sind Websites (47 %) und mobile Apps (33 %). Niemand möchte in einem Papierhandbuch blättern; sie wollen auf einen Bildschirm tippen. Wenn es darum geht, die Ergebnisse zu sehen, bevorzugen sie klare, visuelle Formate wie eine einfache Prozentangabe (z. B. „15 % Chance“) oder eine „Heatmap“ (eine farbcodierte Grafik, die Risikostufen auf einen Blick zeigt).
Es gibt jedoch ernsthafte Hindernisse. Die größten Hürden sind nicht, dass die Werkzeuge schlechte Mathematik sind; es ist vielmehr, dass sie oft schwer in den geschäftigen Alltag eines Arztes zu integrieren sind. Die Umfrage ergab, dass ein Werkzeug wahrscheinlich ignoriert wird, wenn es nicht direkt in das Computersystem eingebaut ist, das das Krankenhaus bereits verwendet (wie die elektronische Patientenakte). Andere Barrieren sind die Unkenntnis darüber, welches Werkzeug das richtige für einen bestimmten Patienten ist, die Sorge darüber, ob das Werkzeug rechtlich als „Medizinprodukt“ gilt, und ein allgemeiner Mangel an konsequenter Ausbildung. Ein Arzt merkte an, dass es schwierig ist, das gesamte Team zur Nutzung zu bewegen, wenn ein Werkzeug nicht im Medizinstudium gelehrt oder in offiziellen Leitlinien empfohlen wird.
Die Forscher schlagen vor, dass für diese Werkzeuge, damit sie wirklich erfolgreich werden, transparent, benutzerfreundlich und tief in die Software integriert sein müssen, die Ärzte bereits verwenden. Sie weisen auch darauf hin, dass es, wenn Künstliche Intelligenz (KI) beginnt, diese Modelle zu erstellen, noch wichtiger wird, zu wissen, wie das Modell seine Vermutung zustande gebracht hat, anstatt nur einer „Black Box“ zu vertrauen. Das Paper kommt zu dem Schluss, dass medizinische Fachkräfte diese Modelle zwar schätzen, wir aber aufhören müssen, sie nur zu bauen, und stattdessen sicherstellen müssen, dass sie tatsächlich in die reale Praxis passen, gestützt durch klare Regeln und gute Ausbildung. Bis dahin könnten diese digitalen Helfer im Werkzeugkasten verstauben, während die Ärzte versuchen herauszufinden, wie sie sie am besten nutzen können.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.