Traducción sin revisarLa traducción al Español de esta entrada no ha sido revisada por pares y puede diferir del original. El acrónimo, el título completo y la cita permanecen siempre en el idioma original.Abrir la publicación original ↗

Manz ML nudges (SIC)

Effect of Integrating Machine Learning Mortality Estimates With Behavioral Nudges to Clinicians on Serious Illness Conversations Among Patients With Cancer

Paciente / Población Intervención / Exposición Comparación Desenlace

En 14.607 pacientes con cáncer atendidos por 78 clínicos oncológicos, predicciones de mortalidad por aprendizaje automático entregadas como estímulos conductuales aumentaron las conversaciones sobre enfermedad grave en comparación con la atención habitual con correos semanales de rendimiento acumulado.

N
14.607pacientes
Diseño
RCT por conglomerados de cuña escalonada (stepped-wedge), 8 grupos de consultas durante 20 semanas, Pensilvania, EE. UU.
Desenlace
Porcentaje de encuentros con pacientes con una conversación sobre enfermedad grave documentada
Relevancia
1Define la práctica — el ensayo en el que se apoya la guía.
ResultadoConversaciones sobre enfermedad grave en el 4,6 % vs. el 1,3 % de todos los encuentros (diferencia ajustada 3,3 puntos porcentuales, IC del 95 % 2,3–4,5; p<0,001); entre 4.124 encuentros de alto riesgo 15,2 % vs. 3,6 % (diferencia ajustada 11,6 puntos, IC del 95 % 8,2–12,5; p<0,001).
Manz CR, et al. JAMA Oncol. 2020;6(12):e204759. 10.1001/jamaoncol.2020.4759
Discusión y crítica

Un hito en la combinación de un modelo de mortalidad por ML validado con la economía conductual: la combinación elevó la tasa de conversaciones con pacientes de alto riesgo del 3,6 % al 15,2 %. Un único sistema académico, 20 semanas y un criterio de valoración de proceso (conversaciones documentadas) y no una atención concordante con los objetivos del paciente; el seguimiento a 40 semanas (Manz ML nudges (long-term)) mostró después menos terapia sistémica al final de la vida pero ningún cambio en el uso de hospice ni de la UCI.