Blog

Prueba de que los datos de calidad de vida (QoL) del paciente se pueden medir de forma continua

Prueba de que los datos de calidad de vida (QoL) del paciente se pueden medir de forma continua

Por Tom Rhoads, fundador y director ejecutivo, Spencer Health Solutions

La información sobre la calidad de vida (QoL) de un paciente es importante para los investigadores clínicos porque afecta la probabilidad de que el paciente se mantenga fiel a su terapia y complete con éxito un ensayo clínico. La calidad de vida también es un punto final importante para comprender los efectos completos de un tratamiento en investigación más allá de los puntos finales primarios de eficacia y seguridad.

Sin embargo, pueden pasar meses entre las visitas a la clínica, por lo que es probable que se pase por alto una tendencia a la baja en la calidad de vida de un paciente. También limita la ventana de tiempo para una intervención efectiva.

¿Cómo pueden los patrocinadores de ensayos clínicos, los médicos y los investigadores monitorear a los pacientes en tiempo real para garantizar resultados seguros y exitosos tanto para el paciente como para el programa?

La tecnología de aplicaciones móviles ha revolucionado la recopilación de datos en tiempo real a nivel individual, pero las aplicaciones móviles tienen una tasa de retención de 90 días de solo el 25 %. Por el contrario, la tecnología dedicada en el hogar puede tener una tasa de retención mucho más alta y, al mismo tiempo, proporcionar una funcionalidad específica, como recordatorios de medicamentos, dispensación física de medicamentos y seguimiento del cumplimiento de los mismos. Esta información detallada se puede utilizar para tomar decisiones que, en última instancia, se traduzcan en mejores resultados para la salud de los pacientes.

spencer® smart hub es una plataforma de apoyo al paciente en el hogar con todas estas capacidades. Pero, ¿puede usarse para monitorear continuamente la calidad de vida de un paciente?

Las “encuestas de pulso” de una sola pregunta de Spencer obtienen una tasa de respuesta de más del 90% cuando son inmediatamente precedidas por dispensaciones físicas de medicamentos. Si bien una rotación completa lleva semanas, las preguntas que abarcan múltiples dimensiones de la calidad de vida (QoL) nunca están a más de unos pocos días. Pero, ¿es posible obtener una imagen continua a partir de preguntas administradas intermitentemente? Y si construyes uno, ¿puedes confiar en él?

Poniendo a Spencer a prueba

Le pregunté al equipo de datos de Spencer Health Solutions y dijeron que sí, y trajeron su razonamiento al evento de la Sociedad Internacional de Farmacoeconomía e Investigación de Resultados (ISPOR) de 2022 en Washington, DC en forma de un póster científico y una presentación.

"No fue el argumento más sencillo", admite el científico jefe de datos Ben Ogorek, "pero superamos un obstáculo inicial".

El equipo de datos decidió utilizar un modelo de datos para agregar las respuestas de calidad de vida a través de las preguntas y a lo largo del tiempo, de manera basada en principios. El resultado fue una trayectoria de tiempo específica para cada paciente y un conjunto de dimensiones de CdV. Sin embargo, el equipo necesitaba argumentar que estas trayectorias tenían significado.

Como explicó Ben:

“Una forma de profundizar en la calidad metodológica es preguntarse: '¿Cómo se verían las cosas si no se encontrara una señal de calidad de vida?' Esto sería cierto si, por ejemplo, los pacientes eligieran aleatoriamente las respuestas de la encuesta sobre Spencer. Si este fuera realmente el caso, y las trayectorias de calidad de vida de nuestro modelo regresaron con tendencias fascinantes, ¡no se debe confiar en ese modelo! Si pudiéramos ver las trayectorias del modelo cuando se presiona un botón aleatorio junto a las trayectorias de los datos reales, no deberían verse iguales”.

Resulta que las técnicas de simulación de "Monte Carlo" ayudaron al equipo a hacer precisamente eso. (Las simulaciones de Monte Carlo son una herramienta que los científicos de datos usan regularmente para ayudar a simular qué esperar de los datos bajo ciertas condiciones. En este caso, se usó para simular cómo se verían los datos si los pacientes de Spencer seleccionaran sus respuestas al azar).

Para cada pregunta real que fue respondida por un paciente real, se sustituyó una respuesta aleatoria y este proceso se repitió cientos de veces. Esto permitió a mi equipo echar un vistazo a un mundo diferente y asegurarse de que nuestro mundo no se parece en nada.
En la imagen a continuación, las líneas verdes son trayectorias de calidad de vida de solo uno de los mundos simulados con pulsación aleatoria de botones. Puede ver que son casi planos y están colocados en el centro verticalmente. Las líneas naranjas son las trayectorias reales de calidad de vida, que muestran una variabilidad mucho mayor.

En particular, esta es una dimensión de calidad de vida relacionada con la actividad. Se puede ver una disminución general en los niveles de actividad a partir de principios de 2020, un presunto vínculo con los bloqueos de COVID-19 en el mundo real. Finalmente, las trayectorias de calidad de vida calculadas a partir de datos reales permitieron predicciones de respuestas sustancialmente mejores que las trayectorias de la simulación de Monte Carlo.

Preguntas de calidad de vida incluidas:

• ¿Planeas asistir a una actividad social hoy?
• ¿Has hecho ejercicio hoy?
• ¿Eres más o menos activo hoy?

100 
Participantes

8860
Preguntas de pulso respondidas

94%
Compromiso con el paciente

Lo que sabemos

“Esta investigación no prueba que el método de estimación de la trayectoria de la calidad de vida sea perfecto o que los datos sean siempre representativos del estado real del paciente, pero nos permite saber que estamos en el camino correcto”, dice Ogorek. "Hay señales reales de calidad de vida enterradas en estos datos recopilados de Spencer que varían con el tiempo, y si no las hubiera, estaríamos mirando las líneas verdes en nuestros propios datos".

Aún así, queda trabajo por hacer para validar aún más las trayectorias de calidad de vida de spencer.

“Si queremos vincular [las trayectorias] con los resultados de salud del mundo real, debemos comparar el modelo con métodos de la competencia, y debemos continuar refinando este método”, dice Ogorek.

Haga clic en la imagen a continuación para ver el póster científico presentado en el evento de la Sociedad Internacional de Farmacoeconomía e Investigación de Resultados (ISPOR) de 2022.