一种基于数据的方法来安排患者与临床医生的接触，可以将与糖尿病管理相关的风险降低多达19.4%，尤其是在资源匮乏的人群中，新的研究表示。
根据一项新研究，分析驱动的“决策框架”考虑了患者的社会经济和人口统计学因素，可以促进更公平的医疗服务交付，并可能改善慢性疾病的护理结果，该研究的共同作者是研究医疗技术采用的伊利诺伊大学香槟分校商务学者。
来自伊利诺伊大学的商业管理教授乌贾尔·库马尔·穆克吉表示，基于数据的方法来安排患者与临床医生的接触，可以将与糖尿病管理相关的风险降低多达19.4%，尤其是在资源匮乏的人群中。
他说：“管理糖尿病等慢性医疗状况对医疗组织来说是一个主要挑战，因为这需要在较长的时间内投入资源，并且需要患者在护理过程中高度参与。” “患者人群的多样性也在健康风险方面起着作用，这可能影响护理结果。但是，如果你应用一种战略性的方法，并基本上为患者的人口统计学定制护理，你可以推动健康结果的改善。”
穆克吉的合著者是普渡大学的迪利普·查哈杰和莱海大学的汉·耶。
该研究旨在通过开发一个预测性和处方性的框架，更有效地分配医疗接触，特别是针对社会经济和人口统计学多样化的人群，以改善糖尿病护理。
穆克吉表示：“许多高风险患者接受的医疗接触比所需的要少，因此重要的是根据个体情况调整慢性护理治疗以改善结果。”
这种不匹配导致了不公平和低效的资源使用，特别是在管理慢性健康状况方面。
他说：“众所周知，美国存在普遍的健康不平等现象，与此同时，提供慢性护理的能力有限——慢性病是指糖尿病、慢性阻塞性肺疾病、癌症或心脏病等逐渐加重的疾病。” “这些都是逐渐加重的疾病，如果不进行治疗，会进展到更昂贵的护理阶段——这当然会让患者和从业者耗费更多的时间和金钱。”
但是，如果在足够早和足够频繁的情况下进行治疗，“那么你就可以管理它并降低成本曲线，”穆克吉说。“慢性病是无法治愈的。而是管理疾病进展和整体风险的问题。”
研究人员分析了从美国一个多设施诊所收集的超过10,000名糖尿病患者的数据，并从美国人口普查中提取了人口层面的社会经济和人口统计学数据。
穆克吉和他的合著者采用机器学习来确定是否可以通过过去的临床指标和诸如收入和教育等人口层面的社会经济变量来预测个别患者未来的糖尿病风险。
研究人员发现护理接入存在显著差异：来自低收入、受教育程度低或以少数族裔为主的社区的患者，定期接受医疗接触的可能性显著低于其他群体——尽管他们的平均血糖水平较高。
这一发现强调了需要风险敏感的决策框架，以支持和增强临床决策过程，穆克吉说。
他说：“许多慢性护理糖尿病患者来自资源匮乏的社区，他们与医疗专业人士的接触不规律。他们没有经历预防或初级护理过程。这意味着他们常常在急诊部门出现某种不良健康事件，无论是心脏病发作、肾衰竭、视网膜问题还是肝功能障碍，这些都是因未治疗的糖尿病导致的。”
当患者进入急诊室时，患者和医疗系统最终都会花费比如果从一开始就管理疾病要多得多的时间和金钱。
穆克吉表示：“如果你与临床医生保持定期联系，就可以避免不必要的急诊住院。” “因此，来自劣势背景的患者，从优化的医疗资源分配策略中受益最大。”
研究的意义在于指出医疗提供者如何利用分析确保有限的临床资源，例如预约时段，能够公平和高效地分配，穆克吉说。
他说：“这种方法支持更公平的慢性护理访问，并有可能在总体上减少健康差距。”
