Beveszi – nem veszi be

Egyszer már írtam erről az esetről, de most részletesebben is kifejtem, mivel egy fejezet bevezetése lesz.

———————

Tudjuk, hogy sok ember nem követi az orvosa előírásait. Meglepően nagy a számuk, becslések szerint többségben vannak az engedelmesekkel szemben. Felmérések mutatják, hogy például az Amerikai Egyesült Államok orvosi kezelésre szoruló polgárainak közel háromnegyede tartozik ebbe a körbe: három beteg közül egy el sem viszi a patikába a receptet, mások elfelejtik elhozni a gyógyszert, nem szedik előírásszerűen, rossz időben szedik, túl sokat vagy túl keveset vesznek be belőle, ismét mások egy darabig rendesen szedik, de aztán abbahagyják. Arról is vannak adatok, hány haláleset kapcsolható az orvosi utasítások be nem tartásához: évente több mint százezer[1]. De nem kell feltétlenül a legrosszabbra gondolni: kimutatható, hogy a kórházi beutalások számottevő része gyógyszerszedési problémákra vezethető vissza. Van olyan becslés, hogy az USA éves egészségügyi költségvetésében több száz milliárd dollár kiadást okoz ez a fajta engedetlenség.

A probléma régóta létezik, évtizedek óta nem sikerül megnyugtató megoldást találni rá.

Mivel lehet segíteni? Ügyelni kellene azokra, akik hajlamosak az engedetlenségre: figyelmeztető üzeneteket kellene küldeni nekik, több tájékoztatást kellene kapniuk, többet kellene foglalkozni velük. Mindez persze drága mulatság, éppen ezért pontosan kellene célozni, vagyis tudni kellene, kik azok, akiknél az engedetlenség valószínűsége nagy.

De honnan lehet megtudni, hogy kik tartoznak az engedetlenek körébe? Statisztikai előrejelző modellre lenne szükség. A problémát így lehet megfogalmazni: milyen adatokból és hogyan lehet az engedetlenség valószínűségére következtetni? A kérdés ismerősen cseng pénzügyi körökben: a kereskedelmi bankokban azt szeretnék megtudni, hogy egy hitelkérelem esetében mekkora valószínűséggel lehet a visszafizetésre számítani. A válaszadást célzó, „credit scoring” néven ismert statisztikai elemzési eljárás valószínűségi indexet tesz a hitelkérelmek mellé, amit többféle adat felhasználásával kialakított előrejelző modell segítségével számítanak ki.

Ki lehet dolgozni ilyen mutatót az orvosi előírásokkal szembeni elégedetlenségre is? Azt kellene mutatnia, hogy egy bizonyos személy mekkora valószínűséggel tartozik az engedetlenek körébe; minél nagyobb ez a valószínűség, annál inkább szükség lehet valamilyen beavatkozásra.

A FICO cég 2011-ben megjelent gyógyszerezési engedetlenség-indexe (Medication Adherence Score) pontosan erre vállalkozik. A vállalat ismert név a hitelezési piacon, hitelképességi (credit scoring) indexeit a pénzintézetek sok millió ügyfélnél használták már. Az új indexszel való megjelenés a FICO számára tevékenységi körének logikus kiterjesztését jelentette, hiszen analitikai szempontból ugyanarról a feladatról van szó: statisztikai előrejelző modellt kell építeni. A program indulása idején a vállalat vezetői úgy nyilatkoztak, hogy rövidesen milliók neve mellé kerülhet ilyen index, a szolgáltatás elsődleges felhasználói pedig egészségügyi intézmények, biztosítótársaságok és termékeik eladásában érdekelt gyógyszergyárak lesznek. Tegyük hozzá: az sem kizárt, hogy az indexek iránt munkaadók, toborzási szakemberek is érdeklődni fognak.

De vajon milyen adatok vizsgálatát érdemes bevonni egy ilyen előrejelző-minősítő modellbe? Van néhány biztos jelölt: egy kellő mértékben digitalizált egészségügyi rendszerben például követhető, hogy a páciens kiváltotta-e a receptet. De vajon mi számít még? Jó indikátor-e az életkor? A végzettség és a foglalkozás? A családi állapot? Mutatnak valamit az általános vásárlási szokások? A lakáshelyzet? Az, hogy van-e autója valakinek, és ha van, mekkora? A FICO cég által kidolgozott Medication Adherence Score sokféle adatot használ, ráadásul szabadon hozzáférhetőeket, vagyis az indexet elvileg az alanyok beleegyezése nélkül is ki lehet számítani. A páciensek személyes egészségügyi és pénzügyi adatai kényes voltuk miatt kimaradnak ebből a körből.

A vállalkozásról megjelent hírekből azt is láthatjuk, hogyan dolgozták ki az előrejelző modellt. Egy nagy patikalánctól megkapták 600 ezer véletlenszerűen kiválasztott páciens anonimizált adatait (vagyis az adatokat nevek nélkül), és az is valószínű, hogy azokhoz más forrásból származó adatokat is kapcsoltak[2]. Ezek az emberek gyakori betegségekben szenvedtek: cukorbetegség, szívbaj, asztma. Az adatbázis felhasználásával ki tudták választani azokat, akik rendesen kiváltották a gyógyszereket, majd megnézték, hogy az engedetlenek milyen jellemzőket mutattak. Arra is vigyáztak, hogy az új indexeknél más skálát használjanak, mint a hitelkérelemnél, ezzel is jelezve, hogy a hitelképességi és a gyógyszer-engedetlenségi index egyáltalán nem ugyanaz, a kettőt nem szabad összekeverni.

Az előrejelző modell alapjául szolgáló, az elemzés során kimutatott összefüggések között meglepők és kevésbé meglepők egyaránt akadnak. A FICO elemzői szerint az engedetlenség valószínűségét növeli például az, ha valaki csak rövid ideje él a lakásában vagy csak nemrég kapott állást valahol, ha egyedül él, ha nincs házastársa. Magas a valószínűség a fiatal felnőtteknél, különösen az egyetemi hallgatóknál, a 80 éven felülieknél, és azoknál is, akiknek nincs autója. Miközben a nem önmagában nem bizonyult eléggé erős indikátornak, a számítások szerint a nők engedetlenebbek a férfiaknál – ez már csak azért is meglepő felismerés, mert a nők többsége rendszeresen jár orvosi vizsgálatokra. Az is kiderült, hogy az indexet a betegség is befolyásolja, vagyis nem mindegy, hogy például asztmáról vagy magas vérnyomásról van-e szó.

Bár az engedetlenségi probléma súlyosságával sokan tisztában vannak, az index megjelenését élénk vita követte. Egyes vélemények szerint az előrejelző modell gyenge indikátorokra épül, és nem derül ki belőle, hogy mi késztethet valakit az engedetlenségre, aminek sok oka lehet, és ezek közül csak az egyik a páciens engedetlen vagy nem engedetlen személyisége. A modell matematikai statisztikai összefüggéseket mutat ki, de nem ad magyarázatot a jelenségre, pedig ilyenek bizonyára vannak: egyesek nincsenek tisztában az állapotukkal, mások nem érzik rendszeresen a tüneteket, stb.  Mivel az index figyelembe veszi a munkahelyi státuszt, az életkörülményeket és a vagyoni helyzetet is, hátrányba kerülhetnek azok, akiket a gazdasági válság mélyebben érintett. A biztosítók és más érdekelt felek részéről fennáll a diszkrimináció veszélye, de a jelek szerint arról nem alakult ki egyetértés, hogy a személyes adatokat kellene jobban védeni, vagy a diszkriminációt kellene szigorúbb szabályozással megakadályozni.

A FICO szerint az index jó a pácienseknek, jó az orvosoknak, de jó a biztosítóknak és az államnak is. használata ésszerűbb gazdálkodást tesz lehetővé a szűkös erőforrásokkal. Zaklatástól sem kell tartani: az engedelmeseket eleve csak ritkán fogják keresni, az engedetlenek pedig jelezhetik a megfelelő helyen, hogy nem kérnek a figyelmeztető telefonokból, e-mailekből és látogatásokból. A vállalat mindenesetre vagyona részeként óvja az indexeket kalkuláló algoritmusait.


[1] Parker-Pope 2011

[2] A feladat szempontjából érdekesek lehetnek például egyes fogyasztási adatok, például hogy egészségesen táplálkozik-e valaki.

Post a Comment

Hiba az űrlap kitöltése során!

* A csillaggal jelölt mezők kitöltése kötelező

*
*
*
*