Artigo publicado no JCO Clinical Cancer Informatics descreve desafios e propõe soluções para a implementação bem-sucedida de modelos preditivos que incorporem resultados relatados pelo paciente (PROs) na prática do câncer.
O trabalho é fruto de uma reunião multidisciplinar com a participação de especialistas na prestação de cuidados de câncer, em coleta de PROs, no uso de PROs em modelagens preditivas, tecnologia, implementação e ciência de decisão. “As discussões aqui apresentadas focaram na identificação de desafios para o desenvolvimento, implementação e uso de modelos preditivos incorporando resultados relatados pelos pacientes, e na sugestão de possíveis soluções.
Foram identificados desafios e soluções específicos em três grandes áreas: 1 - tomada de decisões e implementação; 2 – reconhecimento das limitações da coleta de PROs e seu impacto na previsão; e 3 - desafios estatísticos e de modelização.
A publicação destaca a importância da colaboração multidisciplinar nas fases iniciais e durante todo o processo e do envolvimento precoce das partes interessadas para definir o problema de decisão e garantir a aceitabilidade dos PROs na previsão. “É preciso compreender a interpretação do paciente/médico das previsões e as incertezas dos PROs para otimizar o impacto das previsões, buscar a integração do modelo nos registos de saúde eletrônicos existentes e promover o alinhamento regulatório precoce”, acrescentam os autores.
Os autores defendem a incorporação de PROs validados e clinicamente importantes para maximizar a generalização do modelo e o envolvimento clínico; além de minimizar a falta de dados de resultados relatados pelos pacientes (resultantes tanto da exclusão digital estrutural como de fatores variáveis no tempo) para evitar o agravamento das desigualdades existentes.
Em relação aos desafios estatísticos e de modelização, a recomendação é a incorporação de métodos estatísticos para resolver dados em falta; garantia de que a modelagem preditiva reconheça relações causais complexas; e consideração da recalibração temporal e geográfica para que as previsões do modelo reflitam a população relevante.
“O desenvolvimento e a implementação de modelos de previsão baseados em resultados relatados pelos pacientes no tratamento do câncer precisam de um extenso trabalho multidisciplinar desde as fases iniciais, o reconhecimento dos desafios de implementação devido à recolha e apresentação de modelos de PRO, e métodos estatísticos robustos para gerir dados em falta, causalidade e calibração”, concluíram os autores.
Referência: Spencer KL, Absolom KL, Allsop MJ, Relton SD, Pearce J, Liao K, Naseer S, Salako O, Howdon D, Hewison J, Velikova G, Faivre-Finn C, Bekker HL, van der Veer SN. Fixing the Leaky Pipe: How to Improve the Uptake of Patient-Reported Outcomes-Based Prognostic and Predictive Models in Cancer Clinical Practice. JCO Clin Cancer Inform. 2023 Sep;7:e2300070. doi: 10.1200/CCI.23.00070. PMID: 37976441.