مدلی که به پیش بینی، و تجزیه و تحلیل تصمیم گیری برای پذیرش گایدلاین های پزشکی دیابت نوع 2 کمک می کند

15ژوئن 2021 - کارکنان مراقبت های بهداشتی معمولاً تا زمانی که گایدلاین های جدید برای مدتی طولانی امتحان نشوند، آنها را به عنوان بهترین روشهای مراقبت پزشکی اتخاذ نمی کنند. تیمی از محققان به سرپرستی دکتر Eunice E. Santos، رئیس دانشکده علوم اطلاعات دانشگاه ایلینوی، چارچوب شبیه سازی و مدل سازی محاسباتی جدیدی را برای تجزیه و تحلیل تصمیم گیری و شناسایی استراتژی های موثر در اشاعه ی گایدلاین های پزشکی ایجاد کرده اند.

تیم تحقیق گایدلاین های مربوط به دیابت نوع 2 را که در سال 2012 منتشر شده و هنوز سالها بعد از تصویب، توسط تعداد بسیار زیادی از پزشکان اتخاذ نمی شود را بررسی کردند. محققان دریافتند که تخصص کارکنان مراقبت های بهداشتی، حجم بیماران و تجربه، از عواملی هستند که بر پذیرش دستورالعمل های کنترل قند خون فردگرایانه تأثیر می گذارند.

محققان، یک چارچوب محاسباتی جدید ایجاد کردند که تعاملات و تأثیرات بین کارکنان مراقبت های بهداشتی، همراه با سایر پیچیدگی های تصمیم گیری پزشکی را، برای شبیه سازی و تجزیه و تحلیل طیف گسترده ای از سناریوهای واقعی در نظر می گیرد. محققان مدل مبتنی بر عامل مرتبط با فرهنگ  (CI-ABM)  را معرفی کردند. یافته های این تحقیق در مقاله ی روی جلد شماره ی ژوئن مجله   IEEE Journal of Biomedical and Health Informaticsمنتشر گردید.

تحقیقات آنها تاکید می کند که در مدل سازی و شبیه سازی رفتارهای انسانی باید عواملی مانند زمینه فرهنگی اجتماعی و تعاملات اجتماعی پیچیده را در نظر گرفت، بدون در نظر گرفتن این عوامل مدل ها می توانند منجر به سوءتفاهم عمیق در تصمیم گیری انسان شوند.یكی از چالش های مهم، در نظر گرفتن تصمیم گیری بازیگران و عواملی است كه آنها را تحت تأثیر قرار می دهد. این امر به ویژه هنگامی كه عوامل انسانی در آن دخیل هستند (به عنوان مثال كاركنان مراقبت های بهداشتی) ، كه رفتار آنها نامشخص است و اطلاعات مربوط به عواملی که در تصمیم گیری آنها تأثیر می گذارد اغلب ناقص و متناقض است، بسیار مهم می باشد.

سیستم مدلسازی که آنها توسعه داده اند، شبکه های اجتماعی و تأثیرات فرهنگی را که در هدایت تصمیم گیری موثر هستند و نحوه تکامل باورها را به مرور زمان به دلیل عوامل شخصی و خارجی شامل می شود. این کار برای مدل سازی وقایع دنیای واقعی که شامل اطلاعات ناقص، نادرست و متناقض است توانایی بالایی را فراهم می کند و راهی برای کنترل عدم اطمینان در رفتار انسان است. محققان گفتند: این جنبه های مدل محاسباتی آنها منجر به تحلیل و پیش بینی بهتر رفتارهای اشاعه ی گایدلاین ها می شود.

دکتر سانتوس و همکارانش از این مدل برای تجزیه و تحلیل اشاعه ی یک گایدلاین مربوط به دیابت نوع 2 استفاده کردند که توصیه می کند اهداف گلایسمی را برای هر بیمار بطور فردی تنظیم کنید. در دستورالعمل های مراقبت از دیابت در سال 2012 بر اهداف شخصی گلایسمی بر اساس عوامل بیمار مانند سن، خطر افت قند خون و سلامت کلی تأکید شده است. اما مشخص نیست که چند پزشک این گایدلاین را پذیرفته اند و بر اساس آن عمل می کنند.

محققان از دو نظرسنجی در سال 2015 استفاده کردند که بر چالش های پیش روی پزشکان در شخصی سازی اهداف قند خون بیمارانشان متمرکز بود. محققان از پزشکانی از زمینه های مختلف و طیف وسیعی از تخصص ها - از جمله غدد درون ریز ، پزشکی خانواده و پیر پزشکی با انواعی از سطح تجربه و انواعی از عملکردها، نظرسنجی کردند.

در شبیه سازی خود، برخی از پزشکان توصیه های گایدلاین انجمن دیابت آمریکا را دریافت کردند. بهترین روش ها همچنین از طریق دهان به دهان گسترش می یابد. محققان نتایج شبیه سازی را با پاسخ های داده شده در نظرسنجی ها مقایسه کرده و دریافتند که در نظر گرفتن فاکتورهای فرهنگی اجتماعی و اطلاعات مربوط به تعاملات اجتماعی کارکنان مراقبت های بهداشتی در مدل آنها، دقت پیش بینی رفتارهای پذیرش گایدلاین توسط گروه های مختلف جمعیتی را افزایش می دهد. بعلاوه، با درج اطلاعات فرهنگی اجتماعی، این مدل به شناسایی عواملی که باعث رفتار پذیرش گایدلاین می شوند، کمک می کند.

این چارچوب همچنین به سیاستگذاران اجازه می دهد تا تأثیر موانع مختلف در اشاعه ی اطلاعات گایدلاین پزشکی را مطالعه کنند، عوامل موثر در تصویب رهنمودها را شناسایی کرده و راهکارهای هدفمندی برای بهبود ارتباطات در مورد دستورالعمل ها ایجاد کنند.

محققان گفتند: این سیستم مدل سازی به سیاست گذاران کمک خواهد کرد تا استراتژی های مختلف را آزمایش کنند و تأثیرات آنها را تجزیه و تحلیل نمایند. این یک روش خوب برای درک تأثیر عوامل منحصر به فرد فراهم می کند، به عنوان مثال، هنگام مدل سازی اشاعه ی یک گایدلاین برای بیماری های عفونی، این مدل می تواند به تجزیه و تحلیل اثرات تلفیق اطلاعات مربوط به جدید بودن بیماری عفونی و مرگ و میر بیماری عفونی، و همچنین تأثیر تغییرات در شبکه های اجتماعی به دلیل تعطیلی و قرنطینه کمک کند.

منبع:

https://medicalxpress.com/news/2021-06-decision-making-diabetes-medical-guidelines.html