این الگوریتم واکسن استنفورد است که پزشکان را کنار گذاشته است


ساکنان می گویند آنچه که این فاکتورها به آن توجه نمی کنند ، قرار گرفتن در معرض بیماران در برابر کووید -19 است. این بدان معنی است که این الگوریتم بین کسانی که بیماری کوویید را از بیماران گرفته اند و کسانی که آن را از طریق انتشار جامعه دریافت کرده اند – از جمله کارمندان از راه دور کار تشخیص نمی دهد. و همانطور که برای اولین بار توسط ProPublica گزارش شد ، به ساکنان گفته شد که به دلیل حمایت از یک کار واحد ، بین بخش ها می چرخند ، امتیازات مربوط به بخشهایی را که در آن کار می کردند از دست می دهند.

دسته سوم الگوریتم مربوط به رهنمودهای توزیع واکسن در وزارت بهداشت عمومی کالیفرنیا است. آنها بر روی خطر قرار گرفتن در معرض به عنوان بالاترین عامل در اولویت بندی واکسن ها تمرکز می کنند. این دستورالعمل ها در درجه اول برای مقامات محلی و محلی در نظر گرفته شده است که چگونه واکسن را در اولویت قرار دهند ، نه اینکه چگونه بین بخشهای بیمارستان اولویت بندی کنند: اما آنها به طور خاص شامل ساکنان ، همراه با بخشهایی که در آنها کار می کنند ، در بالاترین لایه اولویت قرار دارند.

ممکن است که نسبت پوشش CDPH به ساکنان نمره بالاتری بدهد ، اما این هنوز برای خنثی کردن نمرات بالاتر داده شده به معیارهای دیگر کافی نیست.

“چرا این کار را کردی؟”

استنفورد سعی کرده است متغیرهای بسیار بیشتری را نسبت به سایر موسسات پزشکی در نظر بگیرد ، اما جفری کان ، مدیر موسسه اخلاق زیستی جان هاپکینز برکمن ، می گوید این رویکرد بسیار پیچیده است. “هرچه وزن های مختلف برای چیزهای مختلف بیشتر باشد ، درک آن دشوارتر می شود” چرا آنها این کار را انجام داده اند؟ “

کان در کمیته توزیع واکسن هاپکینز که 20 عضو است ، حضور داشت و گفت که دانشگاه وی فقط بر اساس کار و خطر قرار گرفتن در معرض covid-19 واکسن ها را توزیع می کند.

او می گوید این تصمیم بر اساس بحث هایی است که به طور هدفمند شامل دیدگاه های مختلف – از جمله دیدگاه های ساکنان – و با هماهنگی سایر بیمارستان های مریلند است. در جای دیگر ، برنامه دانشگاه کالیفرنیا ، سانفرانسیسکو بر اساس ارزیابی مشابهی از خطر قرار گرفتن در معرض ویروس است. طبق یک ایمیل داخلی که توسط MIT Technology Review بررسی شده است ، جنرال بریگام در بوستون کارمندان را بر اساس محل کار و محل کار در چهار گروه طبقه بندی کرده است.

“اعتماد بسیار اندکی در اطراف وجود دارد ، تا آنجا که می توان با همه گیری ارتباط برقرار کرد ، که ما نمی توانیم آن را هدر دهیم.”

“این واقعاً مهم است [for] هر رویکردی باید شفاف و عمومی باشد … و درک چیزی دشوار نیست. ” “اعتماد بسیار اندکی در اطراف وجود دارد ، تا آنجا که می توان با همه گیری ارتباط برقرار کرد ، که ما نمی توانیم آن را هدر دهیم.”

الگوریتم ها معمولاً در مراقبت های بهداشتی برای رتبه بندی بیماران براساس سطح خطر در تلاش برای تخصیص عادلانه مراقبت و منابع استفاده می شوند. اما هرچه از متغیرهای بیشتری استفاده شود ، قضاوت در مورد اشتباه بودن محاسبات دشوارتر است.

به عنوان مثال ، یک مطالعه در سال 2019 منتشر شده در Science نشان داد که 10 الگوریتم توزیع مراقبت به طور گسترده ای در ایالات متحده در نهایت بیماران سفید پوست را نسبت به سیاه پوستان ترجیح می دهند. مشکل این بوده است که طراحان الگوریتم تصور می کنند بیمارانی که بیشتر برای مراقبت های بهداشتی هزینه می کنند بیمارتر هستند و به کمک بیشتری نیاز دارند. در واقع ، مصرف کنندگان بلند قد نیز ثروتمندتر هستند و احتمال سفیدپوستی نیز بیشتر است. در نتیجه ، الگوریتم کمتر مراقب بیماران سیاه پوست با شرایط پزشکی مشابه سفیدپوستان است.

ایرنه چن ، دانشجوی دکترا در انستیتوی فناوری ماساچوست که به مطالعه استفاده از الگوریتم های عادلانه در مراقبت های بهداشتی می پردازد ، مظنون است که این اتفاق در استنفورد رخ داده است: طراحان فرمول متغیرهایی را انتخاب کردند که فکر می کردند به عنوان پروکسی های خوب برای سطح خطر پنهان کارمند خدمت می کنند. . اما آنها تأیید نکردند که این پروکسی ها به نتایج معقولی منجر شده اند یا به طور قابل توجهی به سهم جامعه پاسخ نداده اند ، زمانی که برنامه واکسن در روز سه شنبه هفته گذشته منتشر شد. چن گفت: “این چیز بدی نیست كه مردم پس از آن در مورد آن فكر می كنند.” “یعنی مکانیزمی برای رفع آن وجود نداشت.”

قناری در معدن ذغال سنگ؟

پس از اعتراضات ، استنفورد رسماً صدور رأی داد عذرخواهیگفت که در طرح توزیع خود تجدید نظر می کند.

نمایندگان بیمارستان به س questionsالاتی درمورد اینکه چه کسی در فرآیندهای جدید برنامه ریزی شامل می شود و یا اینکه آیا الگوریتم همچنان ادامه دارد ، پاسخ ندادند. در یک ایمیل داخلی خلاصه ای از پاسخ دانشکده پزشکی ، که با MIT Technology Review به اشتراک گذاشته شده ، آمده است که نه طراحان اصلی الگوریتم درگیر مدیران برنامه هستند ، نه بخش ها ، پزشکان و نه پرستاران. با این حال ، اکنون ، برخی از اعضای هیئت علمی با حذف نتایج الگوریتم ها و در عوض دادن اختیار به روسای بخش ها و روسای بخش ها ، تصمیم می گیرند که نقش بزرگتری را ایفا کنند و برای تیم های خود تصمیم بگیرند.

سایر روسای بخش ها ساکنان را تشویق می کنند که ابتدا واکسن بزنند. برخی حتی از معلمان خواسته اند که هنگام واکسیناسیون ساکنین را با خود بیاورند و یا سرعت عکس خود را کم کنند تا دیگران بتوانند در مرحله اول قرار بگیرند.

برخی از ساکنان سیستم بهداشت دانشگاه را کاملاً دور می زنند. نوریال مگاوهم ، یک دانشمند مغز و اعصاب که برای اولین بار مشکلات موجود در استنفورد را گزارش کرد ، جمعه بعد از ظهر نوشت که سرانجام واکسن خود را دریافت کرده است – نه در استنفورد ، بلکه در یک بیمارستان منطقه ای در ایالت سانتا کلارا.
من امروز واکسینه شدم تا از خودم ، خانواده و بیمارانم محافظت کنم. » او توییت کرد. “اما من فقط این فرصت را داشتم زیرا بیمارستان منطقه ای دولتی من معتقد است كه ساكنان مهمترین تأمین كننده های خط اول هستند. سپاسگزار “




منبع: unbox-khabar.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>