Como a informática em saúde do consumidor pode apoiar o uso secundário de dados de pacientes para melhorar a prática clínica?
Resposta curta: O uso secundário de dados de pacientes, incluindo dados autoexpressos em redes sociais, pode ser explorado por algoritmos de aprendizado de máquina para gerar conhecimento sobre experiência, satisfação e adesão ao tratamento. Requisitos formais, como consentimento informado, precisam ser harmonizados entre países para viabilizar esse uso de forma ética e padronizada.
Resposta
A revisão sistemática identificou que o uso secundário de dados de pacientes vai além dos registros de saúde pessoal e pode incluir informações autoexpressas por pacientes em redes sociais. Esses dados podem ser analisados para extrair conhecimento sobre a experiência do paciente com problemas de saúde, satisfação com o cuidado, uso de medicamentos, adesão ao tratamento e aceitação de ações de saúde pública.
Os artigos selecionados abordam duas áreas principais: métodos e ferramentas para identificar e coletar requisitos formais para o uso secundário de dados, e tópicos inovadores que destacam o interesse em estudos secundários sobre dados de pacientes. Em relação aos requisitos formais, um dos estudos comparou aspectos legais em países europeus para buscar uma gramática comum em torno do conceito de doação de dados.
Sobre as abordagens inovadoras, os estudos relatam o uso de algoritmos de aprendizado de máquina para extrair conhecimento a partir da experiência e satisfação dos pacientes com a entrega de cuidados de saúde, uso de drogas e medicamentos, adesão ao tratamento e barreiras durante a doença oncológica, ou aceitação de ações de saúde pública como a vacinação.
Os autores concluem que os requisitos para permitir esse uso secundário precisam ser harmonizados entre países, e que plataformas de redes sociais podem ser usadas eficientemente para explorar e criar conhecimento sobre a experiência do paciente. Algoritmos de aprendizado de máquina podem explorar grandes volumes de dados para apoiar profissionais de saúde e instituições, fornecendo conhecimento mais preciso sobre uso, comportamento, sentimento ou satisfação com a entrega de cuidados de saúde.
O que o estudo mostrou
Trata-se de uma revisão sistemática de artigos publicados em 2016, usando PubMed com um conjunto predefinido de consultas. Foram identificados mais de 320 artigos potenciais, dos quais 15 foram selecionados por consenso e submetidos a revisores externos para revisão completa e pontuação. Com base nos critérios de pontuação e qualidade, cinco artigos foram finalmente selecionados como melhores. Esses cinco artigos foram agrupados em duas áreas: métodos e ferramentas para identificar e coletar requisitos formais para uso secundário de dados, e tópicos inovadores sobre estudos secundários com dados autoexpressos por pacientes em redes sociais. Os achados incluem comparação de aspectos legais em países europeus sobre doação de dados e uso de algoritmos de aprendizado de máquina para extrair conhecimento sobre experiência do paciente, satisfação, uso de medicamentos, adesão e aceitação de vacinação.
Limitações
O resumo não informa detalhes sobre as limitações dos estudos incluídos, nem sobre a qualidade metodológica dos cinco artigos selecionados. Também não são fornecidos dados sobre tamanho de amostra, desenho específico de cada estudo ou possíveis vieses. A revisão se restringe a artigos publicados em 2016 e indexados no PubMed, o que pode limitar a abrangência. Além disso, o resumo não detalha os critérios exatos de pontuação e qualidade utilizados na seleção.
Aplicação no consultório
Para o médico, os achados reforçam que dados de pacientes disponíveis em redes sociais e aplicativos podem ser analisados com técnicas de aprendizado de máquina para gerar insights sobre experiência, adesão e satisfação, potencialmente apoiando decisões clínicas e a gestão do consultório. No entanto, a aplicação prática exige atenção aos requisitos formais, como consentimento informado e harmonização legal entre países, o que pode impactar a coleta e o uso desses dados na prática clínica. O médico deve estar ciente dessas questões ao considerar incorporar ferramentas de informática em saúde do consumidor em sua rotina.
Estudo citado
Secondary Use of Recorded or Self-expressed Personal Data: Consumer Health Informatics and Education in the Era of Social Media and Health Apps. Yearbook of medical informatics, 2017.
Autores: Staccini P, Fernandez-Luque L.
DOI: 10.15265/IY-2017-037 · PubMed: PMID 29063560
Perguntas para aprofundar
- Quais são os requisitos legais para o uso secundário de dados de pacientes em redes sociais?
- Como algoritmos de aprendizado de máquina podem ser aplicados a dados autoexpressos por pacientes?
- Qual o impacto da harmonização internacional de requisitos de consentimento para a pesquisa com dados de pacientes?
Mais sobre IA em telemedicina e monitoramento remoto
- Técnicas de aprendizado de máquina são superiores à regressão logística para prever reinternações por insuficiência cardíaca?
- Como tecnologias digitais e inteligência artificial podem ser aplicadas no manejo da DPOC?
- O monitoramento remoto de pacientes combinado com aprendizado de máquina melhora os desfechos na exacerbação aguda da DPOC?
- Quais fatores determinam a custo-efetividade de intervenções de telemedicina, segundo uma revisão sistemática da literatura?
- Como o aprendizado de máquina tem sido aplicado em emergências médicas, segundo uma revisão sistemática e análise de aplicativos?
Todas as perguntas sobre IA em telemedicina e monitoramento remoto · Todos os temas · Versão em markdown