Modelo de Selección de Tratamiento para el Trastorno por Uso de Opioides Utilizando Datos de Registros Electrónicos...

Área de la Ciencia:

• Ciencia de datos
• Farmacología
• Salud pública

Sus antecedentes:

• Los tratamientos para el trastorno por uso de opioides (TUO), como la buprenorfina y la metadona, se utilizan menos.
• Las decisiones de atención dirigidas por especialistas impactan la accesibilidad del tratamiento.

Objetivo del estudio:

• Desarrollar un modelo predictivo para guiar la selección del tratamiento del TUO.
• Optimizar la elección de la medicación para mejorar los resultados del paciente.

Principales métodos:

• Se construyeron modelos de regresión lineal generalizada, random forest, gradient boosted machines y deep learning.
• Se utilizaron datos de registros electrónicos de salud (HCE) y a nivel de código postal con fusión temprana y tardía.
• Se definió la respuesta al tratamiento como la ausencia de resultados adversos durante la hospitalización y los 90 días posteriores al alta.

Principales resultados:

• Los modelos solo con HCE superaron a los modelos solo con código postal.
• Los datos a nivel de código postal no mejoraron significativamente el rendimiento del modelo solo con HCE.
• Los modelos recomendaron consistentemente la buprenorfina sobre la metadona para el tratamiento del TUO.

Conclusiones:

• El modelado predictivo utilizando datos de HCE muestra potencial para la selección del tratamiento del TUO.
• Se necesita más investigación para incorporar factores sociales y externos en los modelos de tratamiento del TUO.