NOTIZIA IN BREVE
Oltre 90.000 pazienti hanno partecipato a tre trial sul campo.
I messaggi personalizzati di alto rischio hanno aumentato la vaccinazione di 1,1–1,4 punti rispetto a un semplice promemoria.
Dire che la stima proveniva da un algoritmo, o spiegarne le ragioni, non ha aumentato ulteriormente l'effetto.
PERCHÉ CONTA
Molti sistemi sanitari sanno già identificare chi è più vulnerabile; il punto difficile è trasformare quel dato in un comportamento concreto.
Qui una previsione di rischio è diventata un intervento testato nel mondo reale, con un effetto misurabile sulle vaccinazioni.
CHE COSA È ORA POSSIBILE
Algorithmic risk prediction moved from identification alone to a tested behavioral intervention that changed a real health action in routine care.
COSA LO HA RESO POSSIBILE
Un algoritmo già validato ha identificato i pazienti ad alto rischio; il trial ha poi testato diversi modi di comunicare quell'informazione.
LA STORIA
Sapere che una persona è ad alto rischio serve davvero solo se cambia qualcosa. In tre trial randomizzati sul campo con oltre 90.000 pazienti statunitensi, comunicare direttamente alle persone che erano ad alto rischio per influenza e complicazioni ha aumentato la probabilità che si vaccinassero.
Rispetto a un semplice promemoria, l'aumento è stato di 1,1–1,4 punti percentuali. Rispetto a chi non riceveva alcun messaggio, il vantaggio era di 1,7–3,5 punti percentuali.
È un effetto modesto in termini individuali, ma può diventare rilevante quando l'intervento viene applicato a decine di migliaia di persone. Soprattutto, il risultato viene da comportamenti reali nel sistema sanitario, non da intenzioni dichiarate in un sondaggio.
Un risultato controintuitivo riguarda l'AI: dire esplicitamente ai pazienti che un algoritmo aveva determinato il loro rischio, oppure mostrare le ragioni personalizzate della previsione, non ha aumentato ulteriormente le vaccinazioni.
Il segnale quindi non è 'spiegare meglio l'algoritmo convince di più'. È più semplice: rendere personale e concreto il rischio può spostare una decisione preventiva. Lo studio non dimostra però che questo riduca direttamente casi di influenza o ricoveri.
COSA SAPPIAMO
L'aumento riguarda vaccinazioni realmente registrate. [1]
Il risultato è stato osservato in tre trial preregistrati.
La personalizzazione del rischio ha funzionato meglio di un semplice promemoria.
La disclosure dell'algoritmo non ha aggiunto effetto misurabile.
COSA NON SAPPIAMO
Quanto il risultato generalizzi fuori da questo sistema sanitario statunitense.
Se lo stesso approccio funziona per altri vaccini o comportamenti preventivi.
Quanto l'aumento di vaccinazioni riduca concretamente infezioni, complicazioni o ricoveri.
COSA SUCCEDE ORA
Altri sistemi sanitari possono testare la stessa strategia su popolazioni, vaccini e rischi diversi, misurando anche gli outcome clinici a valle.
TRACCIA DELLE FONTI
Il programma comprendeva tre trial randomizzati preregistrati con oltre 90.000 pazienti unici.
I messaggi di alto rischio hanno aumentato la vaccinazione di 1,1–1,4 punti percentuali rispetto ai semplici promemoria.
La vaccinazione è risultata superiore di 1,7–3,5 punti percentuali rispetto ai pazienti senza messaggio.
Dichiarare l'uso dell'algoritmo o mostrarne le spiegazioni non ha aumentato ulteriormente la vaccinazione rispetto al messaggio di rischio.
FONTI
- Algorithm-assisted personalized risk communication to encourage flu vaccination in the USA: three randomized field trialsApri fonte
PROVE ATTUALI
EVIDENZA VALIDATA
COSA CAMBIEREBBE QUESTO?
- Repliche in altri sistemi sanitari che non mostrino alcun aumento di vaccinazione.
- Dati che mostrino effetti avversi o forti disparità generate dalla strategia di targeting.