Персональная помощь в приверженности терапии с помощью программ поддержки пациентов

alt

Неврология

Неврология

Персональная помощь в приверженности терапии с помощью программ поддержки пациентов

alt
alt

Программы поддержки пациентов — это поведенческие вмешательства, направленные на улучшение соблюдения режима лечения

Всемирная организация здравоохранения определила несоблюдение режима лечения как приоритетную, предотвратимую глобальную проблему, которая усугубляется социально-экономическими условиями в менее индустриализированных странах. В предыдущих статьях этой серии обсуждается процесс принятия решений пациентом, поведенческие и другие факторы, влияющие на приверженность лечению. Медицинские работники могут использовать множество методик для оценки риска несоблюдения пациентами режима терапии и для определения эффективных стратегий оказания им помощи в соблюдении планов лечения. 

Были разработаны комплексные вмешательства, чтобы поддержать пациентов, побудить их привыкнуть к своему лечению и правильно придерживаться назначенной терапии. Эти решения, чаще называемые программами поддержки пациентов, или ППП, могут просто включать в себя обычные упаковки для таблеток, блистерные упаковки с маркировкой для упорядочивания приема лекарственных средств или содержать более интенсивные услуги, основанные на моделях поведенческой науки [1, 2]. ППП могут быть предоставлены либо непосредственно медицинским учреждением, либо через сторонние спонсируемые программы. С распространением цифровых технологий в ППП все чаще включаются мобильные решения для здравоохранения (mHealth). Приблизительно 95% населения мира проживает в районах, покрытых сетями мобильной сотовой связи [3]. Некоторые оценки показали, что ППП [4] в сочетании с мобильными решениями [1] оказывают значительное влияние на соблюдение режима лечения и улучшают его результаты. Однако таким программам часто не хватает персонализированного подхода [5, 6]. Персонализация использует искусственный интеллект и становится все более популярной в онлайн-маркетинге, чтобы предугадывать потребности клиентов и адаптировать для них рекомендации [10]. Аналогичным образом последние ППП представляют собой цифровые решения, включающие модели поведенческой науки для оказания персонализированной поддержки. Эти программы дают прекрасную возможность улучшить приверженность терапии и улучшить результаты лечения пациентов.

Последние исследования в области персонализации основываются на этих поведенческих моделях, чтобы обеспечить возможность составления профилей пациентов — действенной, совместимой с цифровыми технологиями модели их приверженности лечению.

Последние программы поддержки пациентов

Развитие мобильных технологий за последнее десятилетие сделало широкое распространение поддержки в области медицины возможным и рентабельным. Число подписок через мобильные телефоны во всем мире составляет 7 миллиардов [3]; простые текстовые сообщения являются важным инструментом для быстрого и легкого доступа к широкому кругу пациентов, особенно в развивающихся странах. Это позволяет поставщикам медицинских услуг легче взаимодействовать с большим количеством пациентов [2]. Текстовые элементы стали обычным компонентом эффективных программ поддержки пациентов, однако обмен СМС-сообщениями по-прежнему регулируется правилами конфиденциальности. Решения мобильных услуг здравоохранения обеспечивают улучшенный удаленный мониторинг пациентов, обучение, напоминания и другие формы поддержки их приверженности лечению [7]. Текстовые сообщения уже показали положительные результаты при обмене информацией об изменении поведения (например, напоминания о визитах к врачу и приеме лекарственных средств), в пропаганде здоровья, отказе от курения, отслеживании контактов и мобилизации населения. Они могут улучшить приверженность пациентов с хроническими заболеваниями назначенному режиму лечения [3].

Доказательства того, что обмен текстовыми сообщениями улучшает приверженность лечению при хронических заболеваниях, многообещающие, однако требуют дальнейших исследований [8]. Эти вмешательства обычно сосредоточены на напоминаниях в случае забывчивости, что является лишь одним из аспектов улучшения приверженности. Вмешательства на основании цифровых технологий предоставляют большие возможности и для обучения пациентов [9], которое тоже можно улучшить за счет персонализации, чтобы отразить взаимопонимание между пациентами и их врачами. Для оптимизации впечатлений пациента и общей эффективности программы цифровые ППП должны иметь определенную степень персонализации, которая может учитывать индивидуальные уровни риска и различные поведенческие факторы [2].

Эффективные программы поддержки пациентов

Применение моделей поведенческой науки для персонализации вмешательств по соблюдению режима лечения и ППП содержит множество возможностей для улучшения здоровья и результатов лечения пациентов [5, 6]. Решения могут быть адаптированы для конкретного пациента в соответствии с характером его потребностей и факторами несоблюдения режима лечения [2].

Тем не менее ППП по-прежнему сталкиваются с рядом проблем, связанных с персонализацией:

  • Существующие модели приверженности лечению несовместимы с цифровыми технологиями. Большинство поставщиков медицинских услуг не имеют возможности регулярно собирать достоверную информацию о поведении пациентов в режиме реального времени, что является условием для принятия эффективных решений и индивидуализации искусственного интеллекта. Тем не менее последние исследования в области персонализации учитывают различные модели поведенческой науки и используют анкеты для профилирования пациентов и создания действенной, совместимой с цифровыми технологиями модели приверженности пациентов терапии [2].

  • Требуются дополнительные усилия со стороны пациента. Модели персонализации требуют, чтобы пациенты чаще сообщали данные о состоянии своего здоровья и своем поведении. Это бремя, которое пациенты могут не захотеть взять на себя, особенно если они не осознают дополнительных преимуществ ППП.

Несмотря на эти проблемы, ППП и персонализация могут иметь значительный потенциал, как показано на следующем примере пациента с головокружением в клинике для регулярного осмотра.

Следуя ранее обсуждавшимся рамкам и проводя теоретически обоснованные исследования, поставщик медицинских услуг узнает, что пациент не принимает лекарства в соответствии с указаниями и не соблюдает режим терапии. Врач также видит, что пациент не считает себя ответственным за управление своим головокружением, т. е. мало стимулирован. Медицинский работник рекомендует пациенту зарегистрироваться в программе поддержки головокружения клиники «Атлас», чтобы узнать больше об управлении своими симптомами, важности здорового образа жизни и ценности приверженности лечению. С согласия пациента врач немедленно записывает его с помощью текстового сообщения в 90-дневную программу, предоставляя ему печатные обучающие материалы о диете и преимуществах различных методов лечения. Через несколько дней пациенту звонит специалист, сообщая о зачислении в программу, и задает вопросы на основе обсуждавшихся ранее структур поведенческой науки, чтобы оценить его убеждения, отношения, уверенность, поведение и знания. Для пациента автоматически создается цифровой профиль с предложениями о типе и сроках оказания поддержки. Во время программы пациент получает регулярные текстовые сообщения с инструктажем и информацией по управлению симптомами головокружения, а также консультации по телефону. В результате ППП пациенты лучше понимают свое состояние и важность соблюдения режима терапии, а также получают возможность и поддержку относительно соблюдения режима лечения своих заболеваний, рекомендованного их врачом.

Программы поддержки пациентов

Повышение эффективности взаимоотношений между врачом и пациентом с помощью науки о поведении и расширение влияния медицинского работника на повседневную жизнь пациента могут значительно улучшить результаты лечения. Используя методы, описанные в этой серии статей, врачи могут улучшить свое взаимодействие с пациентами с целью оценки риска несоблюдения ими режима лечения и оказания целевой поддержки. Цифровые решения по обеспечению приверженности лечению и ППП могут сделать эти усилия еще более эффективными, одновременно благоприятно влияя на временные ограничения медицинских работников. Ценность для пациентов создается за счет индивидуализированного обучения, напоминаний и других форм поддержки. Персонализированные цифровые инструменты и методы «подталкивания» привлекают пациентов и повышают эффективность ППП. Хотя представленные методики «подталкивания» не заменят прямой и информированный терапевтический подход, они могут использоваться для дополнения взаимодействий между врачом и пациентом.

Медицинские работники имеют уникальные возможности обучать пациентов и побуждать их пользоваться преимуществами, которые дает взаимодействие с ППП. В последней статье этой серии — «Как программы поддержки пациентов влияют на соблюдение режима лечения?» — более подробно обсуждаются различные стратегии, используемые в ППП, их преимущества для пациентов и влияние на соблюдение режима лечения.

Литература:

1. Yousel Gandapur et al. (2016). “The role of mHealth for improving medication adherence in patients with cardiovascular disease: A systematic review,” European Heart Journal – Quality of Care and Clinical Outcomes, (2):4, pp. 237–244. https://doi:10.1093/ehjqcco/qcw018, дата доступа 30.10.20.

2. Kevin Dolgin (2020). “The SPUR Model: A framework for considering patient behavior,” Patient Preference and Adherence, 14, pp. 97–105. https://doi:10.2147/PPA.S237778, дата доступа 30.10.20.

3. Sarah J. Iribarren, Sarah et al. (2017). “Scoping review and evaluation of SMS/text messaging platforms for mHealth projects or clinical interventions,” International Journal of Medical Informatics, 101, pp. 28–40. https://doi:10.1016/j.ijmedinf.2017.01.017, дата доступа 30.10.20.

4. Arijit Ganguli, Jerry Clewell, & Alicia C. Shillington (2016). “The impact of patient support programs on adherence, clinical, humanistic, and economic patient outcomes: A targeted systematic review,” Patient Preference and Adherence, 10, p. 711. https://doi:10.2147/PPA.S101175, дата доступа 30.10.20.

5. Bart J.F. van den Bemt et al. (2012). “Medication adherence in patients with rheumatoid arthritis: A critical appraisal of the existing literature,” Expert Review of Clinical Immunology, (8):4, pp. 337–351. https://doi: 10.1586/eci.12.23, дата доступа 30.10.20.

6. Susan Michie et al. (2011). “The behaviour change wheel: A new method for characterising and designing behaviour change interventions.” Implementation Science, (6):42. https://doi:10.1186/1748-5908-6-42, дата доступа 30.10.20.

7. Sven Meister, Wolfgang Deiters, & Stefan Becker (2016). “Digital health and digital biomarkers – Enabling value chains on health data,” Current Directions in Biomedical Engineering, (2):1. https://doi.org/10.1515/cdbme-2016-0128, дата доступа 30.10.20.

8. Milena Soriano Marcolino et al. (2018). “The impact of mHealth interventions: Systematic review of systematic reviews,” JMIR mHealth and uHealth, (6):1, e23. https://doi:10.2196/mhealth.8873, дата доступа 30.10.20.

9. Roderick W. Treskes et al. (2018). “Implementation of smart technology to improve medication adherence in patients with cardiovascular disease: Is it effective?” Expert Review of Medical Devices, (15):2, pp. 119–126. https://doi:10.1080/17434440.2018.1421456, дата доступа 30.10.20.

10. Shabana Arora (2016). “Recommendation engines: How Amazon and Netflix are winning the personalization battle,” MarTech Advisor, June 2016. www.martechadvisor.com/articles/customer-experience-2/recommendation-engines-how-amazon-and-netflix-are-winning-the-personalization-battle/, дата доступа 30.10.20.

alt