Liverpulio universiteto mokslininkai surinko svarbių pirminės ir antrinės sveikatos priežiūros įrodymų, siekdami ištirti kliūtis, trukdančias įgyvendinti veiksmingas struktūrizuotas vaistų apžvalgas (SMR). Šios naujos išvados gali padėti iki 14 milijonų pacientų visoje JK, turinčių daugybę ilgalaikių sveikatos sutrikimų (MLTC).
Straipsnis „Kokybinis kliūčių, trukdančių efektyviai ir efektyviai atlikti struktūrinių vaistų apžvalgas pirminės sveikatos priežiūros srityje, tyrimas: DynAIRx tyrimo išvados“ buvo paskelbtas m. PLOS ONE.
SMR siekiama pagerinti bendrų sprendimų priėmimą optimizuojant vaistus, ypač pacientams, sergantiems MLTC (dvi ar daugiau ilgalaikių sveikatos būklių) ir polifarmacija (naudojant kelis vaistus). Nepaisant jo potencialo, yra nedaug stebėjimo įrodymų apie SMR įgyvendinimą ir iššūkius, su kuriais susiduriama.
Šis tyrimas yra universiteto projekto „DynAIRx“ (Dirbtinis intelektas, skirtas dinaminiam receptų optimizavimui ir priežiūros integracijai sergant įvairiomis ligomis) dalis, kurio tikslas – dirbtinį intelektą (AI) supažindinti su SMR naudojant naujus mašininio mokymosi ir dirbtinio intelekto vizualizacijos įrankius žmonėms, gyvenantiems su MLTC.
Kartu su bendradarbiais Glazgo, Lidso, Mančesterio universitetuose, Mersey Care NHS Foundation Trust ir Powys Teaching Health Board Velse tyrėjai ištyrė, kaip šiuo metu atliekami SMR ir kokias kliūtis patiria su jais susiję asmenys. Tai buvo atlikta per keletą interviu ir tikslinių grupių su sveikatos priežiūros specialistais, įskaitant bendrosios praktikos gydytojus, vaistininkus, klinikinius farmakologus ir psichiatrus, taip pat žmones, sergančius MLTC.
Interviu ir tikslinių grupių analizė parodė, kad SMR efektyvumas ir veiksmingumas yra riboti praktikoje, įskaitant: skaitmeninių priemonių, skirtų pacientams identifikuoti ir teikti pirmenybę SMR, trūkumas; organizaciniai ir su pacientais susiję iššūkiai kviečiant pacientus dalyvauti SMR ir užtikrinti, kad jie dalyvautų; daug laiko reikalaujantis SMR pobūdis ir būtinybė skirti daug kartų bei priimti bendrus sprendimus; prastos bendravimo ir dalijimosi duomenimis problemos tarp pirminės ir antrinės sveikatos priežiūros; ir sunkumai valdant psichikos sveikatos vaistus.
Dr. Lauren Walker, vienas iš DynAIRx programos vadovų, sakė: „DynAIRx projektas ieško būdų, kaip dirbtinis intelektas (AI) gali padėti žmonėms, turintiems daugybę sveikatos problemų, pagerindamas vaistų skyrimą ir peržiūrą. Šis dokumentas suteikia neįkainojamą informaciją. statybinis blokas, ant kurio galime tęsti savo darbą.
„Mūsų tyrimai rodo, kad reikia pagalbos išrašant vaistus sistemos, kuri leistų nustatyti ir nustatyti pirmenybę žmonėms, kuriems būtų daugiausia naudos iš jų vaistų peržiūros, ir sutrumpinti paciento kelionės supratimo laiką. Tai ypač sunku užimtiems gydytojams, kuriems reikia Susidoroti su dideliais skirtingos klinikinės informacijos elektroniniuose sveikatos įrašuose ir gydytojams, ir pacientams būtų labai naudinga toliau stebėti vaistų optimizavimo pokyčius.
Išgyventos patirties fiksavimas ir supratimas buvo pagrindinis tyrimo elementas. Farheen buvo viešoji projekto patarėja, nes ji pati ir šeimos nariai patyrė įvairių ligų.
Ji sakė: „Šiuo projektu mes siekiame daugiau sužinoti, kaip pagerinti ir paspartinti pacientų vaistų peržiūrą. Esu susipažinęs su sunkumais, susijusiais su mūsų vaistų valdymu, todėl mano pastebėjimai padėjo tyrėjams suprasti problemas iš tikrųjų. pasaulis“.
„DynAIRx“ yra pavyzdinė tyrimų programa, kuri yra universiteto Pilietinės sveikatos inovacijų laboratorijos (CHIL) vaistų optimizavimo krypties dalis. CHIL suburia mokslininkus, inžinierius, gyventojus ir sveikatos priežiūros specialistus, siekdami pažangos priežiūros ir gerovės srityje. CHIL unikali NHS saugi duomenų aplinka leidžia tyrėjams spręsti vietinius ir pasaulinius sveikatos iššūkius kuriant naują dirbtinį intelektą (AI) ir kitus duomenimis pagrįstus pasiekimus.