Usar los empujones conductuales para tratar la diabetes

Fotografía y diseño de Nicolas Vallejos/Getty Images

Los profesionales de la salud y las organizaciones pagadoras utilizan cada vez más los macrodatos para superar lo que podría denominarse un «defecto de los promedios» en la medicina tradicional: un tratamiento que se haya probado a nivel poblacional podría, de hecho, funcionar mejor en algunas personas que en otras. Por lo tanto, el objetivo de la medicina de precisión es identificar los tratamientos adecuados para una persona (y no para una población) basándose en los datos granulares del genotipo y el fenotipo de su historial médico. La naturaleza individual de estos protocolos de tratamiento, basada en datos, mejora las probabilidades de que un tratamiento específico funcione para un paciente específico.

Pero tanto la medicina tradicional como la de precisión se enfrentan a un» problema de la última milla» que implica un cambio de comportamiento del paciente: incluso el tratamiento médico más adecuado solo será eficaz si el paciente lo sigue adelante. El coste de la falta de adherencia a la medicación se estima de forma conservadora en más de 250 000 millones de dólares al año en los EE. UU., y la mayoría de los reingresos hospitalarios tras la cirugía se deben al incumplimiento de los protocolos de alta.

Se han reconocido los problemas de adherencia al tratamiento y estudió durante años, pero solo recientemente se han utilizado técnicas derivadas de la ciencia del comportamiento para mejorar seguimiento del paciente. El Dr. Mitesh Patel, director de la «Unidad de empujones» de Penn Medicine, señala: «El comportamiento humano es la última vía común para la aplicación de casi todos los avances de la medicina». Patel y otros —incluido un grupo de Deloitte— están estudiando si la medicina de precisión basada en datos también puede incorporar estímulos conductuales precisos que mejoren la disposición de los pacientes a seguir las recomendaciones de los médicos al ofrecer opciones dentro de un plan de incentivos diseñado para abordar el perfil motivacional específico del paciente.

Centro de información

• El futuro de la atención médica

  Patrocinado por Medtronic

  Crear mejores resultados a un coste reducido.

Los científicos del comportamiento están cultivando un repertorio cada vez mayor de técnicas de empujones: sutiles ajustes de diseño en los entornos que incitan a las personas a adoptar automáticamente conductas que van en su mejor interés. Por ejemplo, la economista conductual de Wharton, Katherine Milkman, y sus colaboradores probaron la eficacia de»«estrategias» previas al compromiso para incitar a la gente a vacunarse. Resultó que especificar —por escrito— la hora y el lugar exactos en los que se vacunarían dio como resultado un seguimiento considerablemente mejor que asumir un compromiso vago o general. Por lo tanto, una arquitectura pequeña y económica de elección proporciona una verdadera oportunidad para la salud de la población. Gamificación, los programas de «amigos» y los recordatorios por mensajes de texto son otras tácticas conocidas para dar un empujón a favor de la salud.

Pero no a todo el mundo le interesará un juego para ganar puntos de salud, o estará motivado por un acuerdo previo al compromiso o por un amigo que controle su comportamiento de salud. Así como un tratamiento en particular no funcionará igual de bien en cada paciente, no todas las intervenciones conductuales darán un empujón a todos con la misma eficacia.

Aquí es donde entra en juego la «participación de precisión». Aplicado recientemente a la atención médica, combina la ciencia de datos y la ciencia del comportamiento para personalizar la intervención conductual con más probabilidades de motivar al paciente a cambiar una conducta y seguir un protocolo de tratamiento. En un programa de participación de precisión, en lugar de personalizar únicamente los medicamentos o los protocolos de tratamiento, también se personalizan las intervenciones para provocar las conductas de participación deseadas. Se alienta a los pacientes a adoptar las conductas de salud recomendadas con intervenciones que se adapten a su propia personalidad, motivaciones, trayectoria de cuidados y desafíos de compromiso. Con la ayuda de las tecnologías de inteligencia artificial y los algoritmos de aprendizaje automático, es posible recomendar no solo medicamentos, sino también intervenciones conductuales específicas. En resumen, los macrodatos se pueden utilizar para dar el empujón adecuado al paciente (o médico) adecuado, en el momento y de la manera correcta, a fin de mejorar la adherencia a los tratamientos basados en la evidencia.

Para que la participación precisa funcione, el proveedor necesita saber mucho sobre el paciente en cuya conducta se va a influir. Esto incluye la información demográfica y socioeconómica, la mejor manera en que el paciente recibe las recomendaciones en persona o a través de una aplicación, el progreso del proceso de atención y la forma en que responde a las señales e incentivos sociales. Todas ellas sirven como variables predictivas o de control en los modelos analíticos que evalúan qué factores se asocian estadísticamente a las conductas de salud deseadas.

Para ayudar en este análisis, la Unidad de Empujos de Penn Medicine está llevando a cabo un ensayo clínico patrocinado por Deloitte. El ensayo, dirigido por el Dr. Patel, busca entender cómo las diferentes personas responden a los diferentes tipos de motivadores para influir en las conductas de ejercicio entre los adultos con sobrepeso y obesidad. Los pacientes son evaluados y colocados al azar en una de las tres intervenciones diferentes impulsadas por la sociedad: competitivas, colaborativas y de apoyo. Las intervenciones conductuales típicas, como la gamificación y los incentivos sociales, se exploran con los pacientes. El ensayo recopila los datos necesarios para predecir qué intervención funcionará para qué pacientes, para personalizar el incentivo que recibe el paciente junto con sus tratamientos personalizados.

Se está llevando a cabo otro intento de participación de precisión en un entorno clínico de México. Las clínicas, llamadas Clínicas de Azúcar («Sugar Clinics»), o CdA, la mayor red privada de clínicas de diabetes e hipertensión del país, se centran en el tratamiento de la diabetes para poblaciones de ingresos medios y bajos. Cuando los pacientes llegan por primera vez a la clínica, sus niveles de HbA1c (glucosa en sangre) suelen rondar el 11% (un nivel de «crisis»), pero en un par de visitas centradas en el tratamiento y el cambio de comportamiento, sus niveles se estabilizan en aproximadamente un 7%. Esta caída se traduce en una reducción del 200 al 400% en los resultados negativos. Vale la pena celebrar este éxito a corto plazo. Pero el temor es que, a menos que los pacientes regresen año tras año, vuelvan a sus antiguas conductas y se pierdan los logros.

Miguel Garza, COO de CdA, afirma que los datos pueden ser parte de la respuesta. Y señala: «Llevamos más de siete años prestando atención a la diabetes y hemos atendido a más de 30 000 pacientes en un modelo de ventanilla única. Así que tenemos muchos datos. Tenemos que encontrar los empujones que eliminen las barreras y motiven a nuestros pacientes a hacer más ejercicio, comer mejor y tomar los medicamentos que se recetan. Y tenemos que aprovechar los datos para saber qué empujones funcionan para qué pacientes».

CdA y Deloitte están creando ahora un laboratorio de aprendizaje sobre cambios de comportamiento para recopilar y analizar datos de participación precisos y crear algoritmos predictivos aplicables a la población en general. Javier Lozano, fundador y CEO de cDA, afirma que el objetivo es garantizar que la precisión de la participación y los conocimientos aprendidos en las clínicas actuales se puedan ampliar para ayudar a millones de personas con diabetes en México y más allá. Los cambios típicos que los pacientes con diabetes tienen que hacer en su estilo de vida suelen ser difíciles. Si podemos utilizar los datos de precisión sobre el compromiso para recomendar únicamente las intervenciones que tienen más probabilidades de influir en cada paciente, reduciremos los costes de los pacientes y obtendremos mejores resultados.

En el laboratorio de aprendizaje de CdA, se medirá el impacto de varios tipos de compromiso de precisión en los diferentes objetivos de cuidado. Los objetivos incluyen la renovación de la membresía de la clínica, la asistencia a citas de 3 meses, el uso de conductas y hábitos saludables y las visitas a la clínica para recibir asesoramiento nutricional y psicológico. Se pondrán a prueba las intervenciones conductuales de varios tipos, dirigidas en función de la capacidad de respuesta del paciente a la colaboración y el refuerzo sociales, junto con una creciente biblioteca de contenido (mensajes) para determinar qué tipos de mensajes mejoran el tipo de participación de los pacientes.

El éxito inicial en la participación que las clínicas de CDA están viendo con los pacientes diabéticos es alentador, pero debería ser aún más impresionante a medida que se implementen planes de compromiso de precisión. Si salen según lo planeado, el objetivo será probar y escalar lo que aprendamos para una variedad de enfermedades que se pueden tratar con un cambio de comportamiento, incluidos otros aspectos del síndrome metabólico (como la hipertensión y la obesidad) y el trastorno por consumo de sustancias.

El campo del tratamiento de enfermedades ha tenido una historia un tanto turbulenta. Creemos que esto se debe a que no se han utilizado ampliamente los empujones conductuales eficaces. Del mismo modo que las personas responden de manera diferente a los medicamentos, cada vez está más claro que responderán de manera diferente a las intervenciones de participación personalizadas y bien diseñadas.