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 (SIC)

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

Paziente / Popolazione Intervento / Esposizione Confronto Esito

In 14.607 pazienti oncologici seguiti da 78 clinici oncologi, previsioni di mortalità da machine learning veicolate come solleciti comportamentali hanno aumentato i colloqui sulla malattia grave rispetto alle cure abituali con e-mail settimanali di performance cumulativa.

N
14.607pazienti
Disegno
RCT a cluster stepped-wedge, 8 gruppi di ambulatori in 20 settimane, Pennsylvania, USA
Esito
Percentuale di visite con un colloquio sulla malattia grave documentato
Rilevanza
1Definisce la pratica — lo studio su cui poggia la linea guida.
RisultatoSIC nel 4,6 % vs. 1,3 % di tutte le visite (differenza aggiustata 3,3 punti percentuali, IC al 95 % 2,3–4,5; p<0,001); tra le 4.124 visite ad alto rischio 15,2 % vs. 3,6 % (differenza aggiustata 11,6 punti, IC al 95 % 8,2–12,5; p<0,001).
Manz CR, et al. JAMA Oncol. 2020;6(12):e204759. 10.1001/jamaoncol.2020.4759
Discussione e critica

Una pietra miliare per l'abbinamento di un modello di mortalità ML validato con l'economia comportamentale: la combinazione ha portato il tasso di colloqui con i pazienti ad alto rischio dal 3,6 % al 15,2 %. Singolo sistema accademico, 20 settimane e un endpoint di processo (colloqui documentati) anziché cure concordanti con gli obiettivi; il follow-up a 40 settimane (Manz ML nudges (long-term)) ha poi mostrato meno terapia sistemica a fine vita ma nessun cambiamento nell'uso di hospice o terapia intensiva.