Los avisos personalizados no son sólo para los pacientes, sino también para los médicos
En mi artículo anterior, hablé del nudging personalizado en la atención sanitaria, concretamente en el contexto de la mejora del comportamiento sanitario de los pacientes. Aunque se trata de una tendencia reciente, es un concepto bastante conocido que ha ganado mucha tracción. Aquí exploro cómo el mismo concepto de personalización podría aplicarse para mejorar el comportamiento de los médicos.
En la última década, varios estudios han demostrado la eficacia de los nudges para mejorar la toma de decisiones de los médicos. Sin embargo, muy pocos se han centrado en cómo las diferentes características de los médicos pueden estar asociadas con diferentes niveles de eficacia de los nudges. Además, el uso de la historia clínica electrónica (HCE) y los patrones de actividad pueden proporcionar datos valiosos que pueden utilizarse para identificar la toma de decisiones subóptimas por parte de los médicos. La combinación de estos datos podría ayudar a personalizar los nudges, pero ¿por qué no ofrecer nudges a todos los médicos?
Antes de entrar de lleno en por qué los nudges personalizados pueden ser importantes para los clínicos, quiero hablar de dos grupos específicos de estudios para ayudar a contextualizar el debate. Me centro en estos dos ejemplos concretos por varias razones:
- Ambos son ejemplos de nudges dirigidos a mejorar la toma de decisiones clínicas, alineando el comportamiento de los médicos con las pautas de tratamiento establecidas;
- Las intervenciones de los estudios funcionan alterando el flujo de trabajo clínico, a diferencia de otras formas de nudges, como establecer opciones por defecto; y
- Se han llevado a cabo investigaciones paralelas sobre las características de los clínicos asociadas a los patrones de toma de decisiones subóptimas de interés.
References
1. Almusalam N, Oh J, Terzaghi M, Maurino J, Bakdache F, Montoya A, et al. Comparison of Physician Therapeutic Inertia for Management of Patients With Multiple Sclerosis in Canada, Argentina, Chile, and Spain. JAMA Netw Open. 2019;2: e197093-e197093.
2. Saposnik G, Mamdani M, Montalban X, Terzaghi M, Silva B, Saladino ML, et al. Traffic Lights Intervention Reduces Therapeutic Inertia: A Randomized Controlled Trial in Multiple Sclerosis Care. MDM Policy Pract. 2019;4: 2381468319855642.
3. Ma J, Sehgal NL, Ayanian JZ, Stafford RS. National trends in statin use by coronary heart disease risk category. PLoS Med. 2005;2. doi:10.1371/journal.pmed.0020123
4. Patel MS, Kurtzman GW, Kannan S, Small DS, Morris A, Honeywell S, et al. Effect of an Automated Patient Dashboard Using Active Choice and Peer Comparison Performance Feedback to Physicians on Statin Prescribing: The PRESCRIBE Cluster Randomized Clinical Trial. JAMA Network Open. 2018;1. doi:10.1001/jamanetworkopen.2018.0818
5. Kannan S, Asch DA, Kurtzman GW, Honeywell S Jr, Day SC, Patel MS. Patient and physician predictors of hyperlipidemia screening and statin prescription. Am J Manag Care. 2018;24: e241-e248.
6. Gregory ME, Russo E, Singh H. Electronic Health Record Alert-Related Workload as a Predictor of Burnout in Primary Care Providers. Appl Clin Inform. 2017;8: 686.
7.Changolkar S, Rewley J, Balachandran M, Rareshide CAL, Snider CK, Day SC, et al. Phenotyping physician practice patterns and associations with response to a nudge in the electronic health record for influenza vaccination: A quasi-experimental study. PLoS One. 2020;15: e0232895.
8. Hsiang EY, Mehta SJ, Small DS, Rareshide CAL, Snider CK, Day SC, et al. Association of Primary Care Clinic Appointment Time With Clinician Ordering and Patient Completion of Breast and Colorectal Cancer Screening. JAMA Netw Open. 2019;2: e193403-e193403.
9. Patel MS, Volpp KG, Small DS, Wynn C, Zhu J, Yang L, et al. USING ACTIVE CHOICE WITHIN THE ELECTRONIC HEALTH RECORD TO INCREASE PHYSICIAN ORDERING AND PATIENT COMPLETION OF HIGH-VALUE DIAGNOSIS CANCER SCREENING TESTS. Healthcare (Ámsterdam, Países Bajos). 2016;4:340.
About the Author
Sanketh Andhavarapu
Sanketh is an undergraduate student at the University of Maryland: College Park studying Health Decision Sciences (individual studies degree) and Biology. He is the co-Founder and co-CEO of Vitalize, a digital wellness platform for healthcare workers, and has published research on topics related to clinical decision-making, neurology, and emergency medicine and critical care. He is also currently leading business development for a new AI innovation at PediaMetrix, a pediatric health startup, and previously founded STEPS, an education nonprofit. Sanketh is interested in the applications of behavioral and decision sciences to improve medical decision-making, and how digital health and health policy serve as a scalable channel to do so.
