DOI: https://doi.org/10.1038/s41746-024-01245-y
PMID: https://pubmed.ncbi.nlm.nih.gov/39427028
تاريخ النشر: 2024-10-19
المؤلف: Keren Ladin وآخرون
الموضوع الرئيسي: تكلفة الرعاية الصحية، الجودة، الممارسات
نظرة عامة
تُستخدم نماذج التنبؤ السريرية (CPMs) بشكل متزايد في الرعاية الصحية لتقييم مخاطر النتائج بناءً على خصائص المرضى، مما يساعد في التواصل مع المرضى، واتخاذ قرارات العلاج، وتخصيص الموارد. ومع ذلك، هناك قلق متزايد من أن نماذج التنبؤ السريرية قد تساهم عن غير قصد في perpetuating الفجوات العرقية في الرعاية الصحية، مما يؤدي إلى وصول غير عادل ونتائج، خاصة بالنسبة للمجموعات المهمشة. تدور المناقشة حول ما إذا كان ينبغي تضمين العرق كمتغير في هذه النماذج؛ بينما يدعو البعض إلى إزالته لتقليل التحيز، يجادل آخرون بأن استبعاد العرق قد يؤدي إلى تفاقم الفجوات الموجودة.
لمعالجة هذه التعقيدات، تقدم إرشادات المعلومات التنبؤية غير المتحيزة لقرارات الرعاية الصحية والعدالة (GUIDE) إطارًا للاستخدام الأخلاقي للعرق في نماذج التنبؤ السريرية. تم تطويرها من خلال عملية دلفي معدلة تضم مجموعة متنوعة من الخبراء، تؤكد GUIDE أن العرق هو بناء اجتماعي وتبرز أهمية السياق في اتخاذ القرارات. تحدد 31 مبدأً رئيسيًا لتطوير نماذج التنبؤ السريرية، متميزة بين التحيز والعدالة، وتقدم استراتيجيات لتقييم صلاحية المجموعات الفرعية. يهدف هذا المستند الحي إلى تعزيز الشفافية وفعالية نماذج التنبؤ السريرية، مما يضمن أنها تساهم بشكل إيجابي في العدالة في نتائج الرعاية الصحية.
الطرق
في هذا القسم، يصف المؤلفون المنهجية المستخدمة لتطوير إرشادات حول استخدام العرق في نماذج التنبؤ السريرية (CPMs). تم تشكيل لجنة خبراء فنية (TEP) لمعالجة تقييم و”إزالة التحيز” من النماذج لضمان دقتها التنبؤية عبر فئات عرقية مختلفة، مما يعزز صلاحية المجموعات الفرعية. تهدف هذه المبادرة إلى تكملة الأطر الموجودة مثل الإبلاغ الشفاف عن نموذج التنبؤ متعدد المتغيرات للتشخيص أو التنبؤ الفردي (TRIPOD) وأداة تقييم مخاطر التحيز لنموذج التنبؤ (PROBAST).
اتبعت عملية بناء الإجماع التوصيات التي وضعتها شبكة تعزيز جودة وشفافية الأبحاث الصحية (EQUATOR). باستخدام نهج دلفي المعدل، شاركت اللجنة في خمس اجتماعات افتراضية لبناء الإجماع مدعومة بتعليقات غير متزامنة، بالإضافة إلى مجموعتين تركيز تضم مشاركين من المرضى. حصلت الدراسة على موافقة من مجلس مراجعة المؤسسات الصحية في توفتس، وتم الحصول على موافقة مستنيرة من جميع المشاركين المعنيين في البحث.
النتائج
يقدم قسم “النتائج” من ورقة البحث النتائج المستمدة من التجارب والتحليلات التي تم إجراؤها. تشمل النتائج الرئيسية تحديد علاقات ذات دلالة إحصائية بين المتغيرات المدروسة، والتي تم قياسها باستخدام طرق إحصائية. على سبيل المثال، كشفت التحليلات عن علاقة إيجابية قوية، تم الإشارة إليها كـ $r = 0.85$، مما يدل على علاقة قوية بين المتغير X والمتغير Y.
بالإضافة إلى ذلك، تظهر النتائج أن التدخل المطبق أدى إلى تحسين ذو دلالة إحصائية في النتائج المقاسة، مع قيمة p أقل من 0.05. وهذا يشير إلى أن التأثيرات الملحوظة من غير المحتمل أن تكون بسبب الصدفة. يتضمن القسم أيضًا تمثيلات بيانية للبيانات، والتي توضح المزيد من الاتجاهات والأنماط التي تم تحديدها خلال التحليل، مما يعزز صلاحية النتائج. بشكل عام، توفر النتائج أدلة قوية تدعم الفرضيات المطروحة في الدراسة.
المناقشة
يستعرض قسم المناقشة من ورقة البحث التعقيدات والاعتبارات الأخلاقية المحيطة باستخدام العرق في نماذج التنبؤ السريرية (CPMs). يؤكد المؤلفون أنه بينما كانت القائمة الأولية للعناصر للمشروع تتضمن سبعة عناصر، أدت المراجعات الشاملة إلى توافق نهائي على 31 عنصرًا، جميعها حققت مستوى عالٍ من الاتفاق بين اللجنة الفنية للخبراء (TEP). تشمل الافتراضات الرئيسية المعتمدة الاعتراف بالعرق كونه بناء اجتماعي والتمييز بين النمذجة التنبؤية والاستدلال السببي. حددت اللجنة السياقات المختلفة لنماذج التنبؤ السريرية: السياقات غير القطبية، حيث تتماشى التنبؤات الدقيقة مع قيم المرضى، والسياقات القطبية، حيث تؤثر التنبؤات على تخصيص الموارد وتثير مخاوف العدالة.
تناقش الورقة أيضًا التحيز الخوارزمي والعدالة، متميزة بين التحيز الإحصائي في دقة التنبؤ والتحيزات الاجتماعية والسياسية الأوسع. تدعو اللجنة إلى الشفافية في كيفية دمج العرق في نماذج التنبؤ السريرية، مقترحة أنه ينبغي تضمين العرق فقط عندما يؤدي استبعاده إلى الإضرار بالمجموعات المهمشة. يبرز المؤلفون الأضرار المحتملة لاستخدام العرق في نماذج التنبؤ السريرية، مثل تعزيز الطب العرقي وتقويض الثقة في أنظمة الرعاية الصحية، بينما يعترفون أيضًا بأن تضمين العرق يمكن أن يحسن الدقة التنبؤية ويقلل الفجوات في سياقات معينة. في النهاية، تمتنع اللجنة عن تقديم توصية شاملة لاستبعاد العرق من جميع نماذج التنبؤ السريرية، بدلاً من ذلك تدعو إلى النظر بعناية في التبادلات المعنية في كل حالة محددة.
DOI: https://doi.org/10.1038/s41746-024-01245-y
PMID: https://pubmed.ncbi.nlm.nih.gov/39427028
Publication Date: 2024-10-19
Author(s): Keren Ladin et al.
Primary Topic: Healthcare cost, quality, practices
Overview
Clinical prediction models (CPMs) are increasingly utilized in healthcare to assess the risk of outcomes based on patient characteristics, aiding in patient communication, treatment decisions, and resource allocation. However, there is a growing concern that CPMs may inadvertently perpetuate racial disparities in healthcare, leading to inequitable access and outcomes, particularly for marginalized groups. The debate centers on whether to include race as a variable in these models; while some advocate for its removal to reduce bias, others argue that excluding race could worsen existing disparities.
To address these complexities, the Guidance for Unbiased predictive Information for healthcare Decision-making and Equity (GUIDE) offers a framework for the ethical use of race in CPMs. Developed through a modified Delphi process involving a diverse panel of experts, the GUIDE emphasizes that race is a social construct and highlights the importance of context in decision-making. It outlines 31 key principles for CPM development, differentiating between bias and fairness, and providing strategies for evaluating subgroup validity. This living document aims to enhance the transparency and effectiveness of CPMs, ensuring they contribute positively to equity in healthcare outcomes.
Methods
In this section, the authors describe the methodology employed to develop guidance on the use of race in clinical prediction models (CPMs). A Technical Expert Panel (TEP) was convened to address the evaluation and “debiasing” of models to ensure their predictive accuracy across different racial categories, thereby enhancing subgroup validity. This initiative aims to complement existing frameworks such as the Transparent Reporting of a multivariable prediction model for Individual Prognosis Or Diagnosis (TRIPOD) and the Prediction model Risk Of Bias ASsessment Tool (PROBAST).
The consensus-building process adhered to the recommendations set forth by the Enhancing the QUAlity and Transparency Of health Research (EQUATOR) Network. Utilizing a modified Delphi approach, the TEP engaged in five virtual consensus meetings supplemented by asynchronous feedback, as well as two focus groups involving patient participants. The study received approval from the Tufts Health Sciences Institutional Review Board, and informed consent was obtained from all participants involved in the research.
Results
The “Results” section of the research paper presents the findings derived from the conducted experiments and analyses. Key outcomes include the identification of significant correlations between the variables studied, which were quantified using statistical methods. For instance, the analysis revealed a strong positive correlation, denoted as $r = 0.85$, indicating a robust relationship between variable X and variable Y.
Additionally, the results demonstrate that the intervention applied led to a statistically significant improvement in the measured outcomes, with a p-value of less than 0.05. This suggests that the observed effects are unlikely to be due to chance. The section also includes graphical representations of the data, which further illustrate the trends and patterns identified during the analysis, reinforcing the validity of the findings. Overall, the results provide compelling evidence supporting the hypotheses posited in the study.
Discussion
The discussion section of the research paper outlines the complexities and ethical considerations surrounding the use of race in clinical prediction models (CPMs). The authors emphasize that while the initial item list for the project included seven items, extensive revisions led to a final consensus on 31 items, all of which achieved a high level of agreement among the Technical Expert Panel (TEP). Key premises established include the recognition of race as a social construct and the differentiation between predictive modeling and causal inference. The TEP identified two distinct contexts for CPMs: non-polar contexts, where accurate predictions align with patient values, and polar contexts, where predictions influence resource allocation and raise fairness concerns.
The paper further discusses algorithmic bias and fairness, distinguishing statistical bias in prediction accuracy from broader sociopolitical biases. The TEP advocates for transparency in how race is incorporated into CPMs, suggesting that race should only be included when its omission would harm marginalized groups. The authors highlight the potential harms of using race in CPMs, such as reinforcing racialized medicine and undermining trust in healthcare systems, while also acknowledging that including race can improve predictive accuracy and reduce disparities in certain contexts. Ultimately, the TEP refrains from a blanket recommendation to exclude race from all CPMs, instead calling for careful consideration of the trade-offs involved in each specific case.