Incorporar los determinantes sociales de la salud: la solución más simple puede dar los mejores resultados
Crédito: CC0 Public Domain
La atención médica solo representa un pequeño porcentaje del bienestar y la salud general de una persona, pero los factores externos, como el nivel socioeconómico y el acceso a los alimentos son difíciles de capturar y aprovechar dentro del sistema de salud. Los modelos de aprendizaje automático pueden ayudar a cerrar esa brecha. La investigación del Instituto Regenstrief y la Escuela de Salud Pública Richard M. Fairbanks de la Universidad de Indiana muestra que el uso de los datos sin procesar más básicos creó los mejores modelos de predicción de riesgo para que los médicos de atención primaria identifiquen a los pacientes que pueden necesitar ayuda.
«Hay tantos datos disponibles sobre los determinantes sociales de la salud, pero el desafío es convertirlos en algo que los proveedores de atención médica puedan usar», dijo el líder del proyecto, Joshua R. Vest, Ph.D., MPH, científico investigador de Regenstrief e IU. Profesor de la Escuela de Salud Pública de Fairbanks. «Los resultados de nuestro análisis sugieren que el enfoque más simple para crear un modelo de predicción puede ser el más efectivo».
El equipo de investigación comparó el desempeño de seis determinantes sociales a nivel de área de los enfoques de medición de la salud para crear un algoritmo que prediga derivación del paciente a un trabajador social e ingreso hospitalario después de una visita de atención primaria. Probaron los algoritmos en datos de casi 210 000 encuentros con pacientes dentro de Eskenazi Health, un sistema de atención médica de red de seguridad en Indianápolis, Indiana.
Descubrieron el modelo que usaba varios componentes individuales a nivel de área, como datos sin procesar en vivienda, ingresos y educación, creó el modelo de predicción más preciso. Otros modelos combinaron viviendas y otros componentes para crear una única medida de panorama más amplio, que es más complicada y menos precisa para identificar a las personas que pueden estar en riesgo.
«Este estudio indica que el uso de datos sin procesar es una solución viable para crear un modelo de referencia», dijo el Dr. Vest. «Es posible que sea necesario desarrollar modelos más complejos en el futuro, pero este puede ser un buen punto de partida para que los sistemas de salud comiencen a aprovechar los determinantes sociales de la salud, especialmente los sistemas que pueden tener menos recursos».
Los próximos pasos de esta investigación son determinar si este enfoque funciona para situaciones distintas a las referencias de trabajo social y la predicción de hospitalización y observar datos adicionales que se pueden agregar a este algoritmo.
«Elección del enfoque de medición para Determinantes sociales de la salud a nivel de área y rendimiento del modelo de predicción de riesgos» se publica en línea en Informatics for Health and Social Care.
Explore más
Datos adicionales, análisis avanzados mejoran el rendimiento de la aplicación de referencia de aprendizaje automático Más información: JR Vest et al, Elección del enfoque de medición para los determinantes sociales de la salud y el riesgo a nivel de área desempeño del modelo de predicción, Informática para la Salud y la Atención Social (2021). DOI: 10.1080/17538157.2021.1929999 Proporcionado por Regenstrief Institute Cita: Incorporating social determinantes of health: Simplest solution may give the best results (7 de octubre de 2021) consultado el 29 de agosto de 2022 en https://medicalxpress. com/news/2021-10-incorporating-social-health-simplest-solution.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.