Modelado del impacto de los determinantes sociales en el cribado del cáncer de mama: un enfoque basado en datos

Área de la Ciencia:

• Salud pública
• Investigación en servicios de salud
• El aprendizaje automático en el cuidado de la salud

Sus antecedentes:

• La operación de los determinantes sociales de la salud (SDoH) en entornos clínicos sigue siendo un desafío.
• La predicción del comportamiento de detección de mamografías utilizando datos de SDoH es crucial para abordar las disparidades.

Objetivo del estudio:

• Desarrollar y validar modelos que predicen el comportamiento de detección de mamografías basado en SDoH.
• Proporcionar un marco basado en la evidencia para que los sistemas de atención de la salud traduzcan los datos del SDoH en intervenciones.

Principales métodos:

• Utilizó datos de más de 63,000 pacientes dentro del Sistema de Salud de Dartmouth.
• Técnicas de aprendizaje automático empleadas (por ejemplo, aumento de gradiente, bosque aleatorio) que integran SDoH, datos demográficos y clínicos.
• Modelado la programación de la mamografía y los comportamientos de asistencia.

Principales resultados:

• Los modelos demostraron un rendimiento predictivo moderado (ROC AUC ~ 70%) para los comportamientos de cribado.
• Los predictores clave incluyeron la accesibilidad geográfica (área de desplazamiento rural-urbano), el estado socioeconómico del vecindario (índice de privación del área) y el acceso a la atención médica.
• Otros factores como el tiempo transcurrido desde la última mamografía, la edad y las puntuaciones de comorbilidad también influyeron en la detección.

Conclusiones:

• El estudio ofrece un enfoque basado en datos para que los sistemas de atención médica comprendan el impacto de SDoH en la detección de mamografías en las zonas rurales.
• Oportunidades identificadas para intervenciones específicas a nivel de las instalaciones para abordar las disparidades de detección.
• El marco guía a los proveedores para mejorar los comportamientos de detección de pacientes a través de estrategias basadas en la evidencia.