¿Las aplicaciones de salud realmente nos hacen más sanos?

En los últimos años, varias empresas han comercializado dispositivos portátiles y aplicaciones móviles que pueden rastrear nuestros datos de salud personales. Estos dispositivos y aplicaciones de «mHealth» han llevado al nacimiento de lo que se conoce como «yo cuantificado» — un fenómeno en el que las personas comienzan a rastrear sus marcadores conductuales, fisiológicos, biológicos y de otro tipo de marcadores de salud. Una pregunta clave de interés en este ecosistema seguía sin respuesta hasta hace poco: ¿Hay alguna evidencia científica de que la adopción y el uso por parte de los consumidores de estos dispositivos portátiles y aplicaciones de salud móviles conduzcan realmente a un cambio tangible en su comportamiento, lo que, a su vez, puede reflejarse en resultados de atención médica concretos? Esta es la pregunta que mis coautores y yo investigamos en un publicado recientemente papel.

Este estudio, el primero de este tipo, utiliza datos de las principales partes interesadas (plataformas de aplicaciones digitales, hospitales, clínicas, médicos, nutricionistas, farmacéuticos, etc.) para examinar si las tecnologías emergentes de salud móvil persuaden eficazmente a las personas de que modifiquen su estilo de vida y, por lo tanto, reduzcan las visitas al hospital y los gastos médicos con el tiempo. El área relativamente nueva de la salud móvil incluye la informática móvil, los sensores médicos y las tecnologías de comunicación que se utilizan para los servicios de atención médica (por ejemplo, la gestión de enfermedades crónicas). Las aplicaciones de salud móvil pueden funcionar en teléfonos inteligentes, tabletas, sensores y sistemas informáticos basados en la nube, todos los cuales recopilan datos de salud de las personas.

En colaboración con una importante plataforma de aplicaciones de salud móvil de Asia, diseñamos e implementamos un experimento de campo aleatorio a gran escala basado en las actividades detalladas del estilo de vida de los pacientes (por ejemplo, los pasos dados, el tiempo de ejercicio y las calorías gastadas, los patrones de sueño y la calidad y cantidad de los alimentos) y en los valores de glucosa en sangre de pacientes con diabetes crónica durante un período de 15 meses. La aleatorización implicaba que algunos pacientes tuvieran acceso a la aplicación mHealth, otros tuvieran acceso a la versión web de la aplicación y el resto (el grupo de control) no tuviera acceso a ninguna de estas aplicaciones o dispositivos.

La adopción de la aplicación mHealth supuso una mejora tanto en los indicadores a corto plazo (como la reducción de los niveles de glucosa en sangre y hemoglobina glucosilada de los pacientes) como en los indicadores a largo plazo (como la reducción de las visitas al hospital y los gastos médicos). Los pacientes que adoptaron la aplicación mHealth hacían niveles más altos de ejercicio, consumían alimentos más sanos con menos calorías, caminaban más pasos y dormían más tiempo a diario.

Otros descubrimientos interesantes se referían a los resultados de los pacientes del grupo que utilizó la aplicación mHealth que recibieron recordatorios personalizados a través de mensajes de texto, en comparación con los de los pacientes que recibieron recordatorios genéricos. Un ejemplo de recordatorio personalizado sería así: «Estimado Sr. XX, ayer no hizo nada de ejercicio. Camine 45 minutos hoy, ya que le ayudará a controlar sus niveles de glucosa en sangre». Por el contrario, un recordatorio genérico podría decir: «El ejercicio regular a una intensidad moderada es muy útil para controlar la glucosa en sangre».

Estos mensajes genéricos con orientación generalizada sobre la diabetes fueron un 18% más eficaces que los mensajes personalizados a la hora de reducir los niveles de glucosa con el tiempo. Las encuestas realizadas después del experimento dieron una explicación: algunos pacientes consideraron que la precisión de los mensajes personalizados era intrusiva y molesta, y otros dijeron que hacían que se sintieran obligados constantemente a seguir las recomendaciones de bienestar, lo que los desmotivaba y conducía a reducir el nivel de actividades de bienestar (por ejemplo, hacer menos ejercicio, menos hábitos alimenticios saludables y dormir menos por la noche).

Dicho esto, nuestros experimentos aleatorios demostraron que, en comparación con los mensajes genéricos, los mensajes personalizados eran más eficaces a la hora de reducir las visitas presenciales al médico y sustituirlas por servicios de telesalud. Las encuestas posexperimentales a los sujetos experimentales revelaron que la precisión de estos mensajes personalizados, de hecho, hacía que los pacientes se sintieran cómodos con la adopción de los servicios de telesalud implementados por la plataforma. Por lo tanto, sustituían sus interacciones con el médico fuera de línea por las interacciones en línea, lo que reducía sus gastos médicos generales. Era un resquicio de esperanza de la personalización.

Nuestros hallazgos tienen varias implicaciones:

En primer lugar, nuestro estudio muestra que los usuarios de dispositivos y aplicaciones de mHealth pueden volverse más autónomos y motivarse más a la hora de autorregular su comportamiento de salud y participar y ser más coherentes con su estilo de vida y su comportamiento de bienestar, lo que se traduce en mejores resultados de salud. Esto sugiere que valdría la pena que las aseguradoras y empresas de tecnología gubernamentales y privadas subvencionaran los precios de estos dispositivos para fomentar su uso. Apple, de hecho, ha colaborado recientemente con los proveedores de planes de Medicare para subvencionar son relojes para personas mayores.

En segundo lugar, la personalización es un arma de doble filo. Por un lado, hace que algunos pacientes reduzcan su participación en las tecnologías portátiles y reduzcan sus conductas de bienestar. Por otro lado, la personalización también facilita el aumento del uso de la telemedicina entre los pacientes, lo que, a su vez, se traduce en una reducción de los gastos médicos. Los profesionales del ecosistema de la salud se beneficiarían de tener en cuenta estos efectos compensatorios a la hora de diseñar sus estrategias de comunicación. Por ejemplo, podrían realizar experimentos o realizar estudios de mercado en sus poblaciones locales para examinar el efecto de la personalización en las preferencias de los pacientes por las consultas presenciales frente a las de telesalud. Al solicitar comentarios sobre las preferencias de los pacientes, podrían predecir el beneficio neto de la personalización y ajustar la frecuencia de las comunicaciones personalizadas en consecuencia.

En tercer lugar, los dispositivos y aplicaciones de mHealth podrían ofrecer a las compañías de seguros de salud la oportunidad de personalizar las primas. Podrían permitirles recompensar a los consumidores que se esfuerzan por hacer ejercicio con más frecuencia, comer de forma más sana y dormir más tiempo con primas de seguro más bajas. Sería similar a lo que son algunas compañías de seguros de automóviles ya haciendo: colocar dispositivos de rastreo en los coches para controlar el comportamiento de conducción y, luego, recompensar a los mejores conductores con primas más bajas.

Dicho esto, esa estrategia plantea algunos posibles problemas o desafíos. Las normas de privacidad de la HIPAA significan que los pacientes tendrán que aceptar dar acceso a sus datos a las compañías aseguradoras de salud. Y las recompensas se basan en una dieta más saludable hábitos alimenticios y los estilos de vida podrían acabar recompensando a los ricos y penalizando a los pobres, lo cual sería un error. Aun así, tener una idea más clara de cómo estas aplicaciones y dispositivos cambian y no el comportamiento puede ayudar a las organizaciones de salud a elaborar mejores estrategias para ofrecer una mejor atención a sus pacientes.