An Online Survey of Healthcare Professionals to Understand the Use of Clinical Prediction Models in Practice
Questo studio ha intervistato 157 professionisti sanitari per rivelare che, sebbene i modelli di previsione clinica siano generalmente apprezzati e ampiamente utilizzati, la loro implementazione efficace è ostacolata da problemi di integrazione nel flusso di lavoro, incertezza normativa e adozione incoerente, rendendo necessario un impegno coordinato per garantire che i modelli siano trasparenti, facili da usare e rigorosamente validati per la pratica reale.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Immaginate il corpo umano come una città enorme e frenetica dove avvengono milioni di piccoli eventi ogni secondo. I medici sono i pianificatori urbani che cercano di mantenere tutto in funzione correttamente, ma a volte hanno bisogno di un piccolo aiuto per prevedere ingorghi stradali, interruzioni di corrente o tempeste prima che accadano. È qui che entrano in gioco i Modelli di Predizione Clinica (CPM). Pensate a questi modelli non come a magiche palle di cristallo, ma come a sofisticate app meteorologiche per il corpo umano. Essi prendono un insieme di diversi indizi — come l'età di una persona, la sua storia familiare o i suoi sintomi attuali — e analizzano i numeri per indovinare la probabilità di un evento sanitario futuro, come un infarto o un ictus. Sebbene questi strumenti digitali siano destinati ad essere i compagni ideali per i medici, rendendo le decisioni più rapide e sicure, c'è un mistero: perché non vengono usati ovunque? Alcuni medici ne sono convinti, mentre altri quasi non sanno nemmeno che esistano. Comprendere questo divario è fondamentale perché, se non riusciamo a mettere questi utili strumenti nelle mani di chi ne ha bisogno, potremmo perdere l'occasione di salvare vite o prevenire malattie.
Questo articolo è come un gigantesco sondaggio globale di tipo "alzata di mano" inviato ai professionisti sanitari per scoprire esattamente cosa stia succedendo con questi modelli di predizione. I ricercatori, un team dell'Università di Liverpool, volevano sapere: i medici e gli infermieri usano effettivamente questi strumenti? Gli piacciono? E se non li usano, cosa lo impedisce? Hanno chiesto a 157 operatori sanitari da tutto il mondo (anche se la maggior parte era del Regno Unito) di compilare un questionario online.
Ecco cosa hanno scoperto: la maggior parte delle persone intervistate (82%) sapeva che questi modelli esistevano, e una solida maggioranza (71%) li utilizza effettivamente nel proprio lavoro quotidiano. Quando si è chiesto quanto fossero utili, i professionisti hanno dato un punteggio alto, con una mediana di 8 su 10. Sembra che quando questi strumenti funzionano, funzionino bene. I modelli più popolari sono quelli che prevedono i rischi legati all'età, come il punteggio CHA2DS2-VASc (che controlla il rischio di ictus) o il QRISK (che osserva il rischio di infarto). Interessante notare che, nonostante il sondaggio includesse molti medici specializzati in ostetricia e ginecologia, gli strumenti specifici progettati per loro erano sorprendentemente meno utilizzati rispetto a quelli generali.
Ma la storia diventa più interessante se guardiamo a come questi strumenti vengono utilizzati. I medici e gli infermieri hanno opinioni molto forti su cosa renda uno strumento "buono". Vogliono che i loro modelli di predizione siano facili da afferrare come uno snack da un distributore automatico. I modi preferiti per accedere a questi strumenti sono attraverso siti web (47%) e app per dispositivi mobili (33%). Nessuno vuole sfogliare un manuale cartaceo; vogliono toccare uno schermo. Per quanto riguarda la visualizzazione dei risultati, preferiscono formati chiari e visivi, come una semplice percentuale (ad esempio, "15% di probabilità") o una "mappa di calore" (una griglia codificata per colori che mostra i livelli di rischio a colpo d'occhio).
Tuttavia, ci sono seri ostacoli. Gli ostacoli maggiori non sono che gli strumenti abbiano una cattiva matematica; è che spesso sono difficili da inserire nella giornata frenetica del medico. Il sondaggio ha rivelato che se uno strumento non è costruito correttamente all'interno del sistema informatico che l'ospedale già utilizza (come le cartelle cliniche elettroniche), è probabile che venga ignorato. Altre barriere includono il non sapere quale sia lo strumento giusto per un paziente specifico, il preoccuparsi se lo strumento sia legalmente considerato un "dispositivo medico" e una generale mancanza di formazione costante. Un medico ha osservato che se uno strumento non viene insegnato nelle scuole di medicina o raccomandato nelle linee guida ufficiali, è difficile far sì che l'intero team lo utilizzi.
I ricercatori suggeriscono che, affinché questi strumenti decollino davvero, devono essere trasparenti, facili da usare e profondamente integrati nel software che i medici già utilizzano. Evidenziano anche che, man mano che l'Intelligenza Artificiale (IA) inizia a costruire questi modelli, diventa ancora più importante sapere come il modello abbia fatto la sua previsione, piuttosto che limitarsi a fidarsi di una "scatola nera". L'articolo conclude che, sebbene i professionisti sanitari apprezzino questi modelli, dobbiamo smettere di limitarci a costruirli e iniziare a fare in modo che si adattino realmente alla pratica del mondo reale, supportati da regole chiare e una buona educazione. Fino ad allora, questi aiutanti digitali potrebbero rimanere nella cassetta degli attrezzi, raccogliendo un po' di polvere mentre i medici cercano di capire come usarli al meglio.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.