Este es el algoritmo de vacunación de Stanford que dejó fuera a los médicos en primera línea


Lo que estos factores no tienen en cuenta es la exposición de pacientes con Covid-19, dicen los residentes locales. Eso significa que el algoritmo no diferenciaba entre los que obtuvieron Covid de los pacientes y los que lo obtuvieron de la difusión comunitaria, incluidos los empleados que trabajaron de forma remota. Y, como informó ProPublica por primera vez, a los residentes se les ha dicho que al moverse entre departamentos y no mantener una sola tarea, pierden puntos asociados con los departamentos en los que trabajaron.

La tercera categoría del algoritmo se relaciona con las pautas de asignación de vacunas del Departamento de Salud de California. Estos se centran en el riesgo de exposición como el factor más importante para priorizar las vacunas. Las pautas están dirigidas principalmente a los gobiernos del condado y locales para decidir cómo priorizar la vacuna, en lugar de cómo priorizar entre departamentos en un hospital. Sin embargo, incluyen particularmente a los residentes y los departamentos en los que trabajan, en el nivel más alto de prioridad.

El factor de área de CDPH puede dar a los residentes una puntuación más alta, pero esto todavía no es suficiente para contrarrestar las puntuaciones más altas de los otros criterios.

«¿Por qué lo hiciste así?»

Stanford trató de explicar muchas más variables que otras instituciones médicas, pero Jeffrey Kahn, director del Instituto de Bioética Johns Hopkins Berkman, dice que el enfoque es demasiado complicado. «Cuanto más hay diferentes pesos para diferentes cosas, más difícil se vuelve entender por qué lo hicieron de esa manera».

Kahn formó parte del comité de asignación de vacunas de 20 personas de Johns Hopkins y dijo que su universidad solo asignaba vacunas en función del puesto de trabajo y el riesgo de exposición a Covid-19.

Él dice que la decisión se basó en discusiones que incluyeron intencionalmente diferentes perspectivas, incluidas las de los residentes, y en coordinación con otros hospitales de Maryland. Por otra parte, el plan de la Universidad de California en San Francisco se basa en una evaluación similar del riesgo de exposición al virus. Mass General Brigham en Boston clasifica a los empleados en cuatro grupos según el departamento y el lugar de trabajo, según un correo electrónico interno revisado por MIT Technology Review.

«Hay tan poca confianza en la pandemia que no podemos desperdiciarla».

«Es realmente importante [for] Cualquier enfoque como este tiene que ser transparente y público … y no muy difícil de entender ”, dice Kahn. «Hay tan poca confianza en la pandemia que no podemos desperdiciarla».

Los algoritmos se utilizan a menudo en la atención médica para clasificar a los pacientes por nivel de riesgo con el fin de distribuir la atención y los recursos de manera más justa. Cuantas más variables se utilicen, más difícil será juzgar si los cálculos son erróneos.

Por ejemplo, un estudio de 2019 publicado en Science mostró que 10 algoritmos de distribución de atención ampliamente utilizados en los EE. UU. Favorecían a los pacientes blancos sobre los pacientes negros. Resultó que el problema era que los desarrolladores de los algoritmos asumieron que los pacientes que gastaban más en atención médica estaban más enfermos y necesitaban más ayuda. En realidad, los donantes más altos también son más ricos y tienen más probabilidades de ser blancos. Como resultado, el algoritmo trató a los pacientes negros con las mismas condiciones que a los pacientes sin blancos.

Irene Chen, una estudiante de posgrado del MIT que investiga el uso de algoritmos justos en la atención médica, sospecha que esto sucedió en Stanford: los diseñadores de fórmulas seleccionaron variables que creían que serían un buen indicador del riesgo de un empleado en particular. servir. Sin embargo, no verificaron que estos sustitutos estuvieran produciendo resultados razonables, o respondieron de manera significativa a la opinión de la comunidad cuando se anunció el calendario de vacunación el martes de la semana pasada. «No es malo que la gente pensara en ello después», dice Chen. «La cuestión es que no había ningún mecanismo para solucionar el problema».

¿Un canario en la mina de carbón?

Después de las protestas, Stanford emitió una formal Lo sientoy dijo que revisaría su plan de distribución.

Los representantes de los hospitales no respondieron a las preguntas sobre a quién involucrarían en los nuevos procesos de planificación o si el algoritmo continuaría utilizándose. Un correo electrónico interno que resume la respuesta de la escuela de medicina compartida con MIT Technology Review indicó que ningún director de programa, jefes de departamento, médicos asistentes o enfermeras participaron en el diseño del algoritmo original. Ahora, sin embargo, algunas facultades están presionando para que se desempeñe un papel más importante, eliminando por completo los resultados de los algoritmos y, en cambio, dando a los jefes de departamento y jefes de departamento la autoridad para tomar decisiones para sus propios equipos.



Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *