Chính xác trong phòng ngừa: Vai trò của quyết định chung được hỗ trợ bởi dự đoán trong việc nâng cao tỷ lệ sàng lọc ung thư phổi

Chính xác trong phòng ngừa: Vai trò của quyết định chung được hỗ trợ bởi dự đoán trong việc nâng cao tỷ lệ sàng lọc ung thư phổi

Những điểm nổi bật

  • Tỷ lệ sàng lọc ung thư phổi (LCS) vẫn ở mức thấp nghiêm trọng mặc dù có bằng chứng mạnh mẽ về việc giảm tỷ lệ tử vong; cần có những phương pháp cá nhân hóa để tiếp cận những người được hưởng lợi nhiều nhất.
  • Công cụ quyết định chung được hỗ trợ bởi dự đoán (SDM) cho phép các bác sĩ điều chỉnh cường độ khuyến nghị dựa trên nguy cơ ung thư phổi cá nhân và tuổi thọ dự kiến.
  • Một nghiên cứu quy mô lớn trong hệ thống Cựu Chiến Binh (VA) đã chứng minh rằng việc triển khai các công cụ này làm tăng đáng kể tỷ lệ sàng lọc LCS, đặc biệt là đối với những người có lợi ích cao (chênh lệch 9,0 điểm phần trăm).
  • Sự chuyển đổi từ tiêu chí đủ điều kiện nhị phân sang sàng lọc dựa trên lợi ích đại diện cho một sự thay đổi trong phương thức hướng đến sức khỏe dân số chính xác.

Nền tảng

Ung thư phổi vẫn là nguyên nhân hàng đầu gây tử vong do ung thư trên toàn cầu. Thử nghiệm Sàng lọc Ung thư Phổi Quốc gia (NLST) và thử nghiệm NELSON đã chứng minh chắc chắn rằng sàng lọc hàng năm bằng tomography hấp thụ xạ liều thấp (LDCT) có thể giảm tỷ lệ tử vong do ung thư phổi từ 20% đến 24%. Mặc dù có những kết quả này và việc mở rộng tiêu chí đủ điều kiện của Nhóm Dịch vụ Phòng ngừa Hoa Kỳ (USPSTF) vào năm 2021, tỷ lệ sàng lọc LCS thực tế vẫn chưa đạt yêu cầu, thường chỉ dưới 15% trong các nhóm đủ điều kiện.

Một thách thức quan trọng trong việc triển khai LCS là “paradox sàng lọc”: những người có nguy cơ cao nhất mắc ung thư phổi, những người được hưởng lợi nhiều nhất từ sàng lọc, thường là những người ít khả năng thực hiện sàng lọc nhất do các rào cản kinh tế-xã hội, hạn chế tiếp cận dịch vụ y tế hoặc giao tiếp kém về lợi ích cá nhân của thủ tục. Hơn nữa, quyết định chung (SDM), mặc dù được yêu cầu cho việc hoàn trả Medicare, thường được thực hiện một cách sơ sài. Các bác sĩ thường thiếu thời gian hoặc công cụ để phân biệt giữa những bệnh nhân mà việc sàng lọc là “đánh đồng” (nhạy cảm với sở thích) và những người mà lợi ích giảm tỷ lệ tử vong vượt xa nguy cơ giả dương và chẩn đoán quá mức (có lợi ích cao).

Nội dung chính

Sự tiến triển của sàng lọc dựa trên rủi ro

Các giao thức sàng lọc ung thư phổi ban đầu dựa trên các tiêu chí danh mục rộng, như tuổi và lịch sử hút thuốc tính bằng gói-năm. Tuy nhiên, y học dựa trên bằng chứng đã chuyển hướng sang việc sử dụng các mô hình dự đoán rủi ro đa biến, như PLCOm2012 hoặc Công cụ Đánh giá Rủi ro Ung thư Phổi (LCRAT). Các mô hình này bao gồm các yếu tố bổ sung—bao gồm dân tộc, trình độ giáo dục, chỉ số khối cơ thể và tiền sử bệnh hô hấp—để dự đoán chính xác hơn nguy cơ ung thư phổi 6 năm của từng cá nhân. Việc tích hợp các mô hình này vào quy trình lâm sàng cho phép “sàng lọc dựa trên lợi ích”, nơi cường độ của khuyến nghị lâm sàng tỷ lệ thuận với nguy cơ giảm tuyệt đối được dự đoán của cá nhân.

Sự tiến bộ phương pháp: SDM được hỗ trợ bởi dự đoán

Sáng tạo cốt lõi được đề cập trong các tài liệu gần đây, cụ thể là nghiên cứu của Caverly et al. (2024), là việc áp dụng công cụ hỗ trợ quyết định được tăng cường bởi mô hình dự đoán. Khác với các lời nhắc lâm sàng tiêu chuẩn chỉ đơn giản là đánh dấu bệnh nhân đủ điều kiện, công cụ này cung cấp cho các bác sĩ một đánh giá phân loại về lợi ích dự đoán của bệnh nhân từ việc sàng lọc. Bệnh nhân được phân loại thành các nhóm, chẳng hạn như “lợi ích trung bình” (quyết định rất nhạy cảm với sở thích) và “lợi ích cao” (bằng chứng ủng hộ mạnh mẽ việc sàng lọc). Điều này cho phép các bác sĩ sử dụng “đẩy nhẹ” hoặc khuyến nghị mạnh mẽ hơn cho những người ở nhóm lợi ích cao, đảm bảo rằng các nguồn lực lâm sàng hạn chế được hướng dẫn đến nơi chúng có tác động lớn nhất.

Phân tích nghiên cứu chuỗi thời gian bị gián đoạn của VA

Một nghiên cứu cải tiến chất lượng quan trọng đã được thực hiện tại sáu địa điểm Cựu Chiến Binh từ năm 2017 đến 2019, liên quan đến 9.904 cựu chiến binh đủ điều kiện sàng lọc LCS. Nghiên cứu đã sử dụng thiết kế chuỗi thời gian bị gián đoạn để đánh giá tác động của công cụ SDM được hỗ trợ bởi dự đoán lên tỷ lệ sàng lọc.

Cohort nghiên cứu và nhân khẩu học

Cohort chủ yếu là nam giới (94%) và người da trắng (82%), với độ tuổi trung bình là 64 tuổi. Điều quan trọng là, dân số được chia đều giữa những người dự đoán có lợi ích trung bình (52%) và những người có lợi ích cao (48%). Sự phân phối này nhấn mạnh tầm quan trọng của việc có thể phân biệt giữa hai nhóm này trong môi trường lâm sàng.

Kết quả chính và ý nghĩa thống kê

Trước khi triển khai công cụ, tỷ lệ sàng lọc thấp ở cả hai nhóm. Sau khi triển khai, có sự tăng đáng kể về tỷ lệ sàng lọc tổng thể. Quan trọng nhất, công cụ đã thành công trong việc thúc đẩy “sàng lọc dựa trên lợi ích”. Người có lợi ích cao có xác suất sàng lọc dự đoán là 24,8%, so với 15,8% cho những người có lợi ích trung bình. Sự chênh lệch tuyệt đối trung bình 9,0 điểm phần trăm (95% CI, 1,6%-16,5%) cho thấy công cụ đã giúp các bác sĩ tập trung vào những bệnh nhân phù hợp nhất.

Tích hợp quy trình làm việc lâm sàng

Can thiệp sử dụng các lời nhắc lâm sàng trong hồ sơ sức khỏe điện tử (EHR) để nhắc nhở các bác sĩ chăm sóc chính và điều phối viên sàng lọc. Sự tích hợp này rất quan trọng; để các mô hình dự đoán hoạt động trong thực tế, chúng phải được tích hợp vào quy trình làm việc tại điểm chăm sóc thay vì tồn tại như các máy tính bên ngoài. Nghiên cứu của VA cho thấy rằng khi các bác sĩ được cung cấp một chỉ báo rõ ràng về trạng thái lợi ích cao của bệnh nhân, họ có nhiều khả năng thành công trong việc điều hướng quá trình SDM và đưa ra quyết định sàng lọc.

Bình luận chuyên gia

Từ góc độ lâm sàng và chính sách, những phát hiện này rất quan trọng. Việc chuyển sang SDM được hỗ trợ bởi dự đoán giải quyết nhiều khoảng trống hiện tại trong các chương trình LCS. Đầu tiên, nó giảm bớt cách tiếp cận “một kích thước phù hợp tất cả” trong sàng lọc. Đối với một người 55 tuổi với chính xác 30 gói-năm, tỷ lệ lợi ích-rủi ro khác xa so với một người 70 tuổi với 80 gói-năm. Việc sử dụng công cụ dự đoán công nhận sự đa dạng này.

Tuy nhiên, có những tranh cãi và hạn chế cần xem xét. Dân số nghiên cứu (Cựu Chiến Binh) có thể không đại diện đầy đủ cho dân số nói chung, đặc biệt là phụ nữ và các nhóm thiểu số không phải cựu chiến binh. Ngoài ra, mặc dù nghiên cứu cho thấy tỷ lệ sàng lọc tăng, tỷ lệ sàng lọc 24,8% trong nhóm có lợi ích cao vẫn để lại 75% những người có khả năng được hưởng lợi nhất chưa được sàng lọc. Điều này cho thấy rằng mặc dù các công cụ hỗ trợ quyết định là cần thiết, chúng không phải là giải pháp hoàn hảo. Các rào cản như sự hoài nghi của bệnh nhân, khó khăn về hậu cần và “sự kỳ thị” của bệnh do hút thuốc đòi hỏi các can thiệp đa chiều.

Còn có một chiều kích đạo đức trong việc “điều chỉnh cường độ khuyến khích”. Một số nhà phê bình có thể lập luận rằng điều này có thể dẫn đến chủ nghĩa bảo hộ, nơi các bác sĩ thúc đẩy sàng lọc quá mạnh mẽ đối với những người có nguy cơ cao, có thể xâm phạm tính “chia sẻ” của quyết định. Tuy nhiên, sự đồng thuận giữa các chuyên gia là việc cung cấp thông tin chính xác và cá nhân hóa hơn thực sự trao quyền cho bệnh nhân đưa ra quyết định thông thái hơn.

Kết luận

Việc tích hợp các công cụ quyết định chung được hỗ trợ bởi dự đoán đại diện cho một bước tiến quan trọng trong nỗ lực cải thiện tỷ lệ sàng lọc ung thư phổi. Bằng cách chuyển từ tiêu chí đủ điều kiện nhị phân sang khung dựa trên lợi ích, các hệ thống chăm sóc sức khỏe có thể đảm bảo rằng những người có nguy cơ cao nhất nhận được sự khuyến nghị mạnh mẽ nhất để thực hiện LDCT cứu mạng sống. Nghiên cứu trong tương lai nên tập trung vào việc mở rộng các công cụ này đến các dân số đa dạng hơn và kiểm tra kết quả dài hạn, như giai đoạn chẩn đoán và tỷ lệ tử vong do ung thư phổi, sau khi triển khai SDM dựa trên rủi ro.

Comments

No comments yet. Why don’t you start the discussion?

Để lại một bình luận