Pagmamarka sa kalusugan: Maaari bang mapabuti ng pagmamarka ang pangangalaga at kaligtasan ng pasyente?

• May-akda:
• pangalan Author

  Quantumrun Foresight
• Oktubre 7, 2022

Buod ng pananaw

Ang pagmamarka sa kalusugan, isang tool para sa pagtatasa ng panganib ng pasyente, ay muling hinuhubog ang pangangalagang pangkalusugan sa pamamagitan ng pagpapagana ng mas naka-target na mga paggamot ngunit nahaharap sa mga hamon sa pagtiyak ng pagiging patas sa magkakaibang populasyon. Ang mga markang ito, na kinakalkula mula sa data tulad ng mga electronic na rekord ng kalusugan, ay lalong ginagamit upang hulaan ang mga resulta ng pasyente at pamahalaan ang mga sakit, ngunit ang kanilang pag-asa sa partikular na demograpikong data ay maaaring limitahan ang kanilang pangkalahatang kakayahang magamit. Habang sumusulong ang artificial intelligence (AI), nag-aalok ito ng mga potensyal na pagpapabuti sa katumpakan at bilis ng pagmamarka ngunit naglalabas din ng mga alalahanin tungkol sa privacy at diskriminasyon.

Konteksto ng pagmamarka ng kalusugan

Ipinakita ng pandemya ng COVID-19 ang kahalagahan ng tumpak na pagsusuri sa mga pasyente upang matiyak ang mga tamang diagnosis at napapanahong paggamot. Ang pagmamarka ng kalusugan ay napatunayan upang matukoy nang tama ang mga prognose ng maraming pasyente. Habang ang mga artificial intelligence (AI) system ay patuloy na nag-o-automate ng maraming lugar sa pangangalagang pangkalusugan, maaari silang makapagbigay ng mas tumpak na mga sistema ng pagmamarka ng kalusugan.

Ang mga marka ng kalusugan, na kilala rin bilang mga marka ng panganib, ay nag-uuri ng mga tao para sa naka-target na pagsusuri at paggamot sa pangangalagang pangkalusugan. Kinuwenta ng mga pagtatasa na ito ang marka ng isang indibidwal batay sa data ng mga kadahilanan ng panganib; ang mas mataas na marka ay nagpapahiwatig ng mas malaking panganib. Ang mga marka ng kalusugan ay kinakalkula sa pamamagitan ng software na nagsusuri ng nakagawiang nakaimbak na data (electronic na mga rekord ng kalusugan) at maaaring gamitin upang suriin ang mga indibidwal o populasyon. Ang impormasyon ay maaaring makatulong sa mga pasilidad ng pangunahing pangangalaga na magpadala ng mga imbitasyon sa pagsusuri sa mga nasa panganib na magkaroon ng isang partikular na kondisyon. Ang ilang mga malalang sakit ay nagtatag ng mga marka ng kalusugan na nagpapahintulot sa mga manggagamot na lumikha ng isang plano sa paggamot batay sa kung paano inaasahang umunlad ang sakit.

Gayunpaman, ang isang malaking hamon sa pagbuo ng mga marka ng kalusugan ay malamang na magkaroon sila ng limitado o isang panig na mga pamamaraan. Halimbawa, ang Cambridge Diabetes Risk Score ng UK ay naglalayong tuklasin ang hindi natukoy na type 2 diabetes mellitus (T2DM). Nangongolekta ito ng data sa edad, kasarian, body mass index (BMI), paggamit ng steroid at antihypertensive na gamot, family history, at status sa paninigarilyo.

Gayunpaman, habang ang markang ito ay angkop para sa paggamit sa pangunahing pangangalaga, hindi ito sumasalamin sa mas mataas na saklaw ng T2DM sa mga mula sa mga pangkat ng itim at minorya na etniko (BME). Katulad nito, noong 2003 itinatag ang Finnish Diabetes Risk Score (FINDRISC). Ang FINDRISC ay lubos na sumandal sa populasyon ng Europa at hindi angkop para sa paggamit sa magkakaibang mga komunidad. Kaya, ang mga marka ng kalusugan ay kailangang mabuo gamit ang magkakaibang populasyon upang matiyak na mailalapat ang mga ito sa pangkalahatan.

Nakakagambalang epekto

Sa pagitan ng 2020 at 2022, ang mga sistema ng pagmamarka ay tumulong sa mga pasilidad ng pangangalagang pangkalusugan sa paghula kung sinong mga pasyente ng COVID-19 ang mangangailangan ng mekanikal na bentilasyon. Ang marka ay binubuo ng tatlong bahagi: tibok ng puso, ang proporsyon ng saturation ng oxygen, at isang positibong antas ng troponin I. Ang unang dalawa ay madaling makuha mula sa mga mahahalagang palatandaan, at ang pangatlo ay madalas na nakuha sa pamamagitan ng mga regular na pagsusuri sa lab, na nagpapahintulot sa pamamaraang ito ng pagtatasa na gawin sa anumang ospital. Ang sistema ng pagmamarka na ito ay lubos na nakatulong sa mga manggagawa sa pangangalagang pangkalusugan sa pamamahala ng mga kaso habang ang mga ospital ay lumago nang labis na pasanin.

Noong Oktubre 2020, gumamit ang Massachusetts General Hospital ng artificial intelligence (AI) para gumawa ng multi-factor score (COVID-19 Acuity Score (CoVA)) para hulaan ang prognosis ng mga pasyente ng COVID-19 sa agarang pangangalaga o emergency department. Tinatasa ng marka kung gaano ang posibilidad na magkaroon ang pasyente ng mga komplikasyon o nangangailangan ng pagpapaospital. Ang nangungunang limang salik na tumukoy sa resulta ay edad, diastolic blood pressure, blood oxygen saturation, COVID-19 testing status, at respiratory rate.

Sa pangkalahatan, ang mga propesyonal sa pangangalagang pangkalusugan ay may kasamang 30 mga variable sa modelo ng pagmamarka, kabilang ang kasaysayan ng medikal, mga natuklasan sa X-ray sa dibdib (kapag magagamit), at paggana ng puso. Ayon sa mga mananaliksik, ang CoVA ay binuo upang paganahin ang mga electronic medical record system na gumamit ng awtomatikong pagmamarka. Nakatulong ang marka sa panahon ng paglaganap ng COVID-19 kapag ang mabilis na klinikal na pagtatasa ay gumawa ng isang nakapagliligtas-buhay na pagkakaiba.

Mga implikasyon ng pagmamarka sa kalusugan

Ang mas malawak na implikasyon ng pagmamarka sa kalusugan ay maaaring kabilang ang: 

• Ang mga tagapagbigay ng pangangalagang pangkalusugan ay gumagamit ng pagmamarka upang mahulaan ang mga prognose para sa mga sakit tulad ng diabetes at mga sakit sa puso.
• Paglaban ng komunidad laban sa paggamit nito. Maaaring maniwala ang mga pasyente at miyembro ng komunidad na ang pagmamarka ng kalusugan ay ginagamit upang palakihin ang diskriminasyon sa pangangalagang pangkalusugan. 
• Higit pang mga ospital at network ng pangangalagang pangkalusugan na nakikipagtulungan sa mga kumpanya ng AI upang bumuo ng mga tumpak na modelo para sa pagmamarka.
• Ginagamit ang mga AI system upang higit pang bumuo ng mga marka ng kalusugan na makakatulong na bigyang-priyoridad ang mga paggamot at bawasan ang mga pagkaantala sa pagsusuri.
• Ang mga ospital at sentro ng pananaliksik ay nagtutulungan sa buong mundo upang makabuo ng mga pamantayan sa mga marka ng kalusugan para sa mga pandemic at epidemya sa hinaharap.
• Ang mga kompanya ng seguro sa pangangalagang pangkalusugan ay nagsasaayos ng mga premium batay sa mga marka ng kalusugan, na humahantong sa mas personalized na pagpepresyo ngunit pati na rin ang mga potensyal na alalahanin sa pagiging patas at privacy.
• Muling sinusuri ng mga pamahalaan ang mga estratehiya sa kalusugan ng publiko upang isama ang mga marka ng kalusugan, pagpapabuti ng pamamahala sa kalusugan ng populasyon.
• Lumalago ang pampublikong pag-aalinlangan sa pagmamarka ng kalusugan, na humahantong sa mga bagong regulasyon kung paano ginagamit at ibinabahagi ang data ng kalusugan.

Mga katanungang dapat isaalang-alang

• Paano matitiyak ng mga ospital na tumpak at etikal ang mga marka ng kalusugan?
• Ano ang iba pang mga hamon sa pagpapatupad ng mga marka ng kalusugan para sa pagtatasa ng sakit?