Author(s): Brenda Y. Miao, Madhumita Sushil, Ava Xu, Michelle Wang, Douglas Arneson, Ellen Berkley, Meera Subash, Rohit Vashisht, Vivek Rudrapatna, Atul J. Butte
Year: 2024
Bibliographic Reference (APA format):
Miao, B. Y., Sushil, M., Xu, A., Wang, M., Arneson, D., Berkley, E., Subash, M., Vashisht, R., Rudrapatna, V., & Butte, A. J. (2024). Characterisation of digital therapeutic clinical trials: a systematic review with natural language processing. The Lancet Digital Health, 6(3), e222–e229. https://doi.org/10.1016/S2589-7500(23)00249-7
Assigned Category: Gestión de datos (Data management)
Resumen:
Este artículo presenta una revisión sistemática que utiliza procesamiento de lenguaje natural (NLP) para analizar ensayos clínicos de terapias digitales (DTx) registradas en ClinicalTrials.gov. Las terapias digitales, que están reguladas por la FDA como dispositivos médicos basados en software, ayudan a prevenir, manejar o tratar enfermedades. Mediante el uso de 27 términos de búsqueda, los autores identificaron 449 ensayos clínicos de DTx, con fechas de inicio entre 2010 y 2030.
El estudio analiza las características de los ensayos, como la duración, la distribución geográfica, los tipos de patrocinadores y las categorías de enfermedades, utilizando herramientas como SciSpacy y BERTopic para el modelado de temas. Se encontró que la mayoría de los ensayos clínicos de DTx están patrocinados por instituciones académicas (65%) o la industria (33%), y se centran principalmente en enfermedades del sistema nervioso, enfermedades metabólicas y condiciones patológicas.
Uno de los hallazgos clave es que los ensayos clínicos de DTx tienden a excluir a pacientes por factores como la edad, comorbilidades, embarazo, barreras idiomáticas y acceso a tecnología digital, lo que podría limitar la inclusión de poblaciones diversas y afectar la equidad en los resultados de salud. Los ensayos a menudo requieren que los participantes tengan acceso a teléfonos inteligentes o planes de datos, lo que podría exacerbar las desigualdades de salud digital. Además, se observa que la mayoría de los ensayos tienen una duración corta (1 año en promedio), lo que plantea la necesidad de más estudios a largo plazo para evaluar la efectividad de las DTx.
El estudio destaca el uso de herramientas automatizadas como NLP para mejorar la comprensión de los ensayos clínicos de DTx y propone un tablero interactivo que permite a los lectores realizar sus propios análisis. Los autores concluyen que, aunque las DTx tienen un gran potencial para escalar los tratamientos médicos, es fundamental que se realicen estudios que evalúen mejor su aplicabilidad en poblaciones del mundo real y se aborden las desigualdades tecnológicas.
