TrialsgrambetaRCTs are beautiful
Traduzione non revisionataLa traduzione in Italiano di questa voce non è stata revisionata e può differire dalla fonte. Acronimo, titolo completo e citazione restano sempre nella lingua originale.Apri la pubblicazione originale ↗

Manz ML nudges (long-term)

Long-term Effect of Machine Learning-Triggered Behavioral Nudges on Serious Illness Conversations and End-of-Life Outcomes Among Patients With Cancer

Paziente / Popolazione Intervento / Esposizione Confronto Esito

In 20.506 pazienti oncologici, solleciti comportamentali attivati da machine learning per 40 settimane hanno aumentato i colloqui sulla malattia grave e ridotto la terapia sistemica a fine vita rispetto alle cure abituali.

N
20.506pazienti
Disegno
RCT a cluster stepped-wedge, analisi prespecificata a 40 settimane, 9 ambulatori di oncologia
Esito
Tassi di colloqui sulla malattia grave per tutte le visite e per quelle ad alto rischio; esiti secondari di fine vita tra i deceduti
Rilevanza
2Importante — uno dei diversi pilastri.
RisultatoSIC nelle visite ad alto rischio 13,5 % vs. 3,4 % (non aggiustato); tutti i pazienti aOR 2,09 (IC al 95 % 1,53–2,87; p<0,001). Terapia sistemica a fine vita 7,5 % vs. 10,4 % (aOR 0,25, IC al 95 % 0,11–0,57; p=0,001); nessun effetto su arruolamento in hospice o durata della degenza, morte in ospedale o uso della terapia intensiva a fine vita.
Manz CR, et al. JAMA Oncol. 2023;9(3):414-418. 10.1001/jamaoncol.2022.6303
Discussione e critica

Estende lo studio stepped-wedge del 2020 (Manz ML nudges (SIC)) a 40 settimane e a ciò che conta a fine vita: il guadagno nei colloqui è persistito e la terapia sistemica in prossimità della morte è diminuita — un esito di fine vita a livello di paziente, non solo una misura di processo. Gli esiti di hospice, terapia intensiva e morte in ospedale sono rimasti invariati, solo 1.417 pazienti (6,9 %) erano deceduti alla fine del follow-up, e il contesto di singolo sistema limita la generalizzabilità.