доверлив извор лекторирани
by Matt Kristoffersen, Yale University
Туберкулозата е една од водечките причини за смрт кај младите луѓе ширум светот. Студиите за моделирање сугерираат дека во над 96% од смртоносните случаи кои вклучуваат деца помлади од 15 години, заразеното дете не добило третман.
Два нови алгоритми засновани на докази за дијагностицирање на педијатриска туберкулоза би можеле да помогнат да се смени овој тренд.
Научниците од школата за јавно здравје Јеил го предводеа тимот кој разви системи за бодување базирани на алгоритами кои здравствените работници можат да ги користат за да ги информираат своите одлуки при дијагностицирање на болеста, која често е тешко да се идентификува во клиниките со недоволно ресурси. Тимот на Јеил, во соработка со глобална мрежа на научници, ги разгледа податоците од повеќе од 4.000 деца со туберкулоза од целиот свет и, преку статистичка анализа, ги разви, како што велат, најцврстите алгоритми досега за детска туберкулоза.
Како резултат на анализата на тимот, Светската здравствена организација сега препорачува употреба на алгоритми во најновите консолидирани упатства за лекување на болеста. СЗО исто така ја охрабрува употребата на алгоритмите на истражувачкиот тим предводен од Јеил.
„Тоа е голем притисок за овие здравствени работници да ги земат предвид нејасните симптоми и да постават дијагноза за ТБ, што делумно може да објасни зошто имаме празнини во лекувањето на ТБ кај малите деца“, рече Кенет Гунасекера, м-р-д-р од Јеил. студент кој беше прв автор на студијата. „Нашата работа беше мотивирана од ова прашање. Сакавме да ги поддржиме здравствените работници кои работат во услови со ограничени ресурси за да донесат одлуки за лекување на ТБ кои се засновани на докази“.
Наодите се појавуваат во The Lancet Child & Adolescent Health.
Алгоритмите не се нови за детската туберкулоза. Други научници создадоа слични алгоритми за да ја подобрат дијагнозата на болеста, но Гунасекера објасни дека тие алгоритми во голема мера се потпираат на експертско мислење, наместо на ригорозно толкување на податоците. Исто така, некои од алгоритмите кои се базирани на докази се изградени со користење на податоци од релативно мала големина на примерокот, што може да ја ограничи нивната генерализираност, рече Гунасекера. Тимот на Гунасекера комбинираше податоци од 4.718 деца од 13 студии и 12 земји, со помош на препораки од група експерти идентификувани од СЗО, во обид да развијат поцврсти системи за бодување.
Истражувачите изградија два алгоритми во зависност од способноста на здравствените работници да добијат рендгенски снимки на градите за нивните пациенти. Во двата алгоритми, пациентите добиваат одреден број поени за нивните симптоми и други детали, кои работниците потоа ги собираат за да ја добијат препораката. Ако резултатот е над 10, во просек, 85% од тие деца со ТБ ќе бидат правилно дијагностицирани. (Пациентите исто така може да постигнат резултат над 10 ако се знае дека се изложени на туберкулоза и покрај другите симптоми.)
„Сега имаме алатка која е заснована на докази и прагматична во тоа што е лесно за здравствен работник да ја спроведе оваа оценка“, рече Гунасекера. Тимот се надева дека новата алатка ќе резултира со тоа што повеќе деца ќе добијат навремено лекување за ТБ.
Но, предупредуваат истражувачите, постојат одредени ограничувања на нивните системи за бодување. Што е најважно, тимот не можеше формално да ги тестира алгоритмите пред да биде објавен нивниот труд. Сепак, наскоро ќе бидат во тек студии за да се процени способноста на алгоритмите во реалниот свет да ја идентификуваат туберкулозата. И иако црпењето од повеќе студии може да помогне да се подобри статистичката анализа и да се создадат поцврсти збирки на податоци, различните критериуми за вклучување и дефинициите на студиите може да доведат до малку искривени податоци. Конечно, бидејќи туберкулозата е веќе тешко да се дијагностицира, некои неточни заклучоци „може да се појават“, напишаа авторите во нивната студија. Повеќе истражувања за педијатриската туберкулоза несомнено би помогнале да се усовршат новите алгоритми, како и дополнителни податоци и подобри дијагностички алатки.
Сепак, објасни Гунасекера, фактот што СЗО условно препорача употреба на алгоритми за помош при дијагностицирање на педијатриска туберкулоза и ги охрабри новите алгоритми на тимот предводен од Јеил за употреба на терен, стои како моќно охрабрување за идните истражувања.
„Навистина со нетрпение очекувам да ги видам резултатите од потенцијалната евалуација на овие алгоритми, кога другите всушност ќе ги користат во студија за да помогнат во донесувањето одлуки за третман на децата кои се испитуваат за ТБ“, рече тој. „Ние ги изградивме алгоритмите врз основа на докази, но ќе биде возбудливо да се види колку добро тие всушност ќе работат.
Истражувањето носи лична резонанца за Гунасекера, која е во последната година од м-р. програма на Јеил и се надева дека ќе работи на педијатрија по дипломирањето. Проектот произлезе од вредно менторство со лидерите во YSPH и пошироко, рече тој.
„Преку оваа работа, тесно соработував со некои од лидерите во полето на педијатриската туберкулоза, и искрено беше големо задоволство да работам со толку многу луѓе чии трудови ги читав“, рече тој. „Сега, луѓето што ги идолизирав беа луѓе со кои работев како колеги. Тоа беше навистина неверојатна можност и искуство за мене додека се обидував да се справам со овој важен проблем во детската туберкулоза и глобалното јавно здравје“.
Повеќе информации:
Кенет С Гунасекера и сор., Развој на алгоритми за одлучување за третман за деца оценети за белодробна туберкулоза: мета-анализа на податоци за индивидуални учесници, Здравје за деца и адолесценти Лансет (2023). DOI: 10.1016/S2352-4642(23)00004-4.
