To jest algorytm szczepień Stanforda, który pominął lekarzy pierwszej linii

Yichuan Cao/Sipa USA

Kiedy lekarze-rezydenci w Stanford Medical Center – z których wielu pracuje na pierwszej linii frontu pandemii Covid-19 – dowiedzieli się, że tylko siedmiu z ponad 1300 z nich otrzymało pierwszeństwo dla pierwszych 5000 dawek szczepionki przeciw covid, byli zszokowani . Potem, kiedy zobaczyli, kto jeszcze znalazł się na liście, w tym administratorzy i lekarze przyjmujący pacjentów z dala od domu, byli źli.

Podczas zaplanowanej sesji zdjęciowej z okazji pierwszych szczepień, które miały miejsce w piątek 18 grudnia, co najmniej 100 mieszkańców pojawił się, by zaprotestować. Kierownictwo szpitala przeprosiło, że nie nadało im priorytetów, i zrzuciło winę za błędy na bardzo złożony algorytm.

Nasz algorytm, nad którym etycy, eksperci od chorób zakaźnych pracowali tygodniami… najwyraźniej nie działał prawidłowo, Tim Morrison, dyrektor zespołu ambulatoryjnego, powiedział mieszkańcom imprezy w zamieszczonym nagraniu wideo. online .

Mieszkańcy Stanford protestują przeciwko sesji fotograficznej z okazji przybycia szczepionki.

DZIĘKI UPRZEJMOŚCI WILLIAMA FITZGERALDA

Wielu uważało to za wymówkę, zwłaszcza że kierownictwo szpitala miało: został poinformowany o problemie we wtorek —kiedy tylko pięciu mieszkańców znalazło się na liście — i odpowiedziało nie przez naprawianie algorytmu, ale przez dodanie dwóch kolejnych mieszkańców, w sumie siedmiu.

Jedną z głównych zalet algorytmów jest to, że pozwalają potężnym obwiniać czarną skrzynkę za politycznie nieatrakcyjne wyniki, za które w przeciwnym razie byliby odpowiedzialni, napisał Roger McNamee, wybitny znawca z Doliny Krzemowej, który stał się krytykiem. na Twitterze. Ale *ludzie* zdecydowali, kto otrzyma szczepionkę, tweetował Veena Dubal, profesor prawa na Uniwersytecie Kalifornijskim w Hastings, która zajmuje się badaniem technologii i społeczeństwa. Algorytm właśnie wykonał ich wolę.

Ale jaka dokładnie była wola Stanforda? Przyjrzeliśmy się algorytmowi, aby dowiedzieć się, do czego służy.

Jak działa algorytm

Slajd opisujący algorytm pochodzi od rezydentów, którzy otrzymali go od katedry swojego wydziału. Nie jest to złożony algorytm uczenia maszynowego (często określany mianem czarnych skrzynek), ale oparta na regułach formuła obliczania, kto pierwszy otrzyma szczepionkę w Stanford. Uwzględnia trzy kategorie: zmienne pracownicze, które mają związek z wiekiem; zmienne związane z pracą; oraz wytyczne Kalifornijskiego Departamentu Zdrowia Publicznego. W każdej kategorii pracownicy otrzymali określoną liczbę punktów, z łącznym możliwym wynikiem 3,48. Przypuszczalnie im wyższy wynik, tym wyższy priorytet danej osoby w kolejce. (Centrum Medyczne Stanforda nie odpowiedziało na wiele próśb o komentarz na temat algorytmu w ciągu weekendu.)

Zmienne dotyczące pracowników zwiększają wynik osoby liniowo wraz z wiekiem, a dodatkowe punkty są dodawane osobom powyżej 65 lub poniżej 25 roku życia. Daje to pierwszeństwo najstarszemu i najmłodszemu personelowi, co działa na niekorzyść mieszkańców i innych pracowników pierwszej linii, którzy zazwyczaj są w średnim wieku zakres.

Zmienne stanowiska mają największy wpływ na ogólny wynik. Algorytm liczy występowanie Covid-19 wśród ról zawodowych pracowników i działu na dwa różne sposoby, ale różnica między nimi nie jest do końca jasna. Ani mieszkańcy, ani dwaj niestowarzyszeni eksperci, których poprosiliśmy o sprawdzenie algorytmu, nie rozumieli, co oznaczają te kryteria, a Stanford Medical Center nie odpowiedział na prośbę o komentarz. Uwzględniają również odsetek testów wykonywanych według stanowiska jako procent całkowitej liczby zebranych testów w centrum medycznym.

Powiązana historia

Możemy mieć tylko tygodnie na podjęcie działań, zanim wariant koronawirusa zdominuje Stany Zjednoczone Szczep Covid-19, który wydaje się rozprzestrzeniać szybciej, koliduje z kampanią szczepień Amerykanów.

To, czego te czynniki nie biorą pod uwagę, to narażenie na pacjentów z COVID-19, mówią mieszkańcy. Oznacza to, że algorytm nie rozróżniał między tymi, którzy złapali chrząstkę od pacjentów, a tymi, którzy złapali ją z rozprzestrzeniania się społeczności — w tym pracowników pracujących zdalnie. I jako pierwszy zgłoszony ProPublica poinformowała mieszkańców, że ponieważ rotują między działami, zamiast realizować jedno zadanie, tracą punkty związane z działami, w których pracowali.

Trzecia kategoria algorytmu odnosi się do Wytyczne przydziału szczepionek Kalifornijskiego Departamentu Zdrowia Publicznego . Skupiają się one na ryzyku narażenia jako najwyższym pojedynczym czynniku w ustalaniu priorytetów szczepionek. Wytyczne są przeznaczone przede wszystkim dla władz powiatowych i lokalnych, aby decydowały, jak ustalić priorytety szczepień, a nie jak ustalić priorytety między oddziałami szpitala. Ale obejmują one w szczególności mieszkańców, wraz z działami, w których pracują, na najwyższym poziomie priorytetowym.

Możliwe, że czynnik zakresu CDPH daje mieszkańcom wyższy wynik, ale wciąż nie jest wystarczająco wysoki, aby przeciwdziałać innym kryteriom.

Dlaczego zrobili to w ten sposób?

Stanford próbował uwzględnić o wiele więcej zmiennych niż inne placówki medyczne, ale Jeffrey Kahn, dyrektor Johns Hopkins Berkman Institute of Bioethics, mówi, że podejście było zbyt skomplikowane. Im więcej jest różnych wag dla różnych rzeczy, tym trudniej jest zrozumieć – „Dlaczego zrobili to w ten sposób?”, mówi.

Kahn, który zasiadał w 20-osobowej komisji Johnsa Hopkinsa ds. przydziału szczepionek, mówi, że jego uniwersytet przydzielał szczepionki na podstawie pracy i ryzyka narażenia na Covid-19.

Mówi, że decyzja została podjęta na podstawie dyskusji, które celowo obejmowały różne perspektywy – w tym mieszkańców – oraz we współpracy z innymi szpitalami w stanie Maryland. Gdzie indziej, plan Uniwersytetu Kalifornijskiego w San Francisco opiera się na podobnej ocenie ryzyka ekspozycji na wirusa. Mass General Brigham w Bostonie dzieli pracowników na cztery grupy na podstawie działu i lokalizacji pracy, zgodnie z wewnętrzną wiadomością e-mail przejrzaną przez MIT Technology Review.

Jest tak mało zaufania wokół tak bardzo związanego z pandemią, że nie możemy go zmarnować.

Bardzo ważne jest, aby każde takie podejście było przejrzyste i publiczne… i nie było czymś trudnym do rozgryzienia, mówi Kahn. Jest tak mało zaufania wokół tak bardzo związanego z pandemią, że nie możemy go zmarnować.

Algorytmy są powszechnie stosowane w opiece zdrowotnej do klasyfikowania pacjentów według poziomu ryzyka w celu bardziej sprawiedliwego podziału opieki i zasobów. Ale im więcej zmiennych jest używanych, tym trudniej jest ocenić, czy obliczenia mogą być błędne.

Na przykład w 2019 roku badanie opublikowane w Science wykazali, że 10 powszechnie stosowanych algorytmów dystrybucji opieki w USA ostatecznie faworyzowało białych pacjentów nad czarnymi. Problem, jak się okazało, polegał na tym, że projektanci algorytmów założyli, że pacjenci, którzy wydawali więcej na opiekę zdrowotną, byli bardziej chorzy i potrzebowali więcej pomocy. W rzeczywistości ci, którzy wydają więcej, są również bogatsi i częściej są biali. W rezultacie algorytm przydzielił mniej opieki czarnym pacjentom z takimi samymi schorzeniami jak biali.

Irene Chen, doktorantka z MIT, która bada wykorzystanie sprawiedliwych algorytmów w opiece zdrowotnej, podejrzewa, że ​​to właśnie wydarzyło się w Stanford: projektanci formuły wybrali zmienne, które w ich mniemaniu będą dobrymi wskaźnikami poziomu ryzyka nosicielstwa u danego personelu. Ale nie zweryfikowali, czy te proxy doprowadziły do ​​​​rozsądnych wyników ani nie zareagowały w znaczący sposób na wkład społeczności, kiedy plan szczepień wyszedł na jaw we wtorek w zeszłym tygodniu. To nie jest złe, że ludzie później o tym pomyśleli, mówi Chen. Chodzi o to, że nie było mechanizmu, który mógłby to naprawić.

Kanarek w kopalni węgla?

Po protestach Stanford wydał formalne przeprosiny , mówiąc, że zrewiduje swój plan dystrybucji.

Przedstawiciele szpitali nie odpowiadali na pytania, kogo uwzględnią w nowych procesach planowania lub czy algorytm będzie nadal stosowany. Wewnętrzny e-mail podsumowujący odpowiedź szkoły medycznej, udostępniony MIT Technology Review, stwierdza, że ​​ani kierownicy programu, kierownicy wydziałów, lekarze prowadzący, ani personel pielęgniarski nie byli zaangażowani w pierwotny projekt algorytmu. Teraz jednak niektóre wydziały chcą odgrywać większą rolę, całkowicie eliminując wyniki algorytmów, a zamiast tego dają szefom działów i przewodniczącym uprawnienia do podejmowania decyzji dla własnych zespołów.

Inni przewodniczący wydziałów zachęcali mieszkańców do zaszczepienia się w pierwszej kolejności. Niektórzy prosili nawet wykładowców, aby przyprowadzali ze sobą mieszkańców, gdy zostaną zaszczepieni, lub opóźnili szczepienia, aby inni mogli pójść pierwsi.

Niektórzy mieszkańcy całkowicie omijają uniwersytecką opiekę zdrowotną. Nuriel Moghavem, neurolog, który jako pierwszy nagłośnił problemy w Stanford, napisał w piątek po południu na Twitterze, że w końcu otrzymał szczepionkę – nie w Stanford, ale w publicznym szpitalu okręgowym w hrabstwie Santa Clara.
Zaszczepiłem się dzisiaj, aby chronić siebie, moją rodzinę i moich pacjentów, on tweetował . Ale miałem taką możliwość tylko dlatego, że mój publiczny szpital okręgowy uważa, że ​​mieszkańcy są kluczowymi dostawcami pierwszej linii. Wdzięczny.

ukryć