ویراستار عزیز
شواهد زیادی وجود دارد که نشان می‌دهد تبعیض علیه چندین زیرگروه جمعیتی در توانایی آنها برای دریافت مراقبت‌های جراحی بهینه اختلال ایجاد می‌کند. این سوگیری می تواند اشکال مختلفی داشته باشد، از جمله دسترسی محدود به خدمات پزشکی، کیفیت پایین مراقبت و پوشش نامناسب بیمه.
پیشگیری از سوگیری و تبعیض در عمل بالینی موضوع و نیاز روز است. این مورد به طور گسترده در کارآزمایی‌های بالینی در بسیاری از کشورهای در حال توسعه و توسعه نیافته به دلیل عدم وجود هیئت‌های بازبینی اخلاقی دقیق مورد سوء استفاده قرار گرفته است (1). ایجاد دسترسی برابر به مراقبت های بهداشتی با کیفیت همیشه باید یک هدف مهم برای متخصصان مراقبت های بهداشتی باشد. با این حال، وقتی صحبت از نحوه متابولیسم و واکنش بدن ما به داروها می‌شود، به دلیل تفاوت در اثربخشی و سمیت داروهای آزمایشی/روش‌های جراحی در گروه‌های نژادی مختلف، نباید همه ما را یکسان دید. اگرچه بخش 1557 قانون مراقبت مقرون به صرفه (ACA) همراه با §92.210، نژاد، جنس، رنگ، منشاء ملی، سن یا تبعیض مبتنی بر ناتوانی را توسط برنامه‌های بهداشتی ملی ممنوع می‌کند، اما داده‌های تولید شده توسط 1868036 ذینفع مدیکر سیاه و سفید در سن 65 سالگی -99 سال تحت یکی از هشت جراحی رایج، سؤالاتی را ایجاد می کند. مهم ترین نکته قابل تامل این است که نتیجه فقط زمانی تحت تاثیر قرار می گیرد که یک جراحی انتخابی باشد.
اخیراً، سنای ایالات متحده تفکیک مراقبت های بهداشتی، تمرکز گروه های نژادی و قومیتی در بیمارستان های خاص را به عنوان یک مانع کلیدی برای دستیابی به برابری سلامت در مراقبت های پزشکی شناسایی کرده است. تحقیقات قبلی نشان داد که بیماران اقلیت نژادی و قومی در مقایسه با بیماران سفیدپوست بیشتر در بیمارستان‌های کم حجم و با کیفیت پایین تحت عمل جراحی قرار می‌گیرند که این امر به تفاوت‌های نژادی و قومیتی مداوم در نتایج جراحی کمک می‌کند. با این حال، تا به امروز، میزان و اثر تفکیک در سطح بیمارستان در مراقبت های جراحی ایالات متحده ناشناخته است. (2)
عامل مهم دیگر این است که پوشش بیمه ضعیف اغلب به استفاده ناکافی از مراقبت های بهداشتی در میان افراد سیاه پوست کمک می کند. اکثر مطالعاتی که از این مشاهدات حمایت می‌کنند، تفاوت‌های بین بیمه خصوصی، پوشش مدیکر و مدیکر و فقدان هر گونه بیمه را بررسی کرده‌اند و آنها را قابل توجه یافته‌اند.(3)
در حالی که چنین نابرابری‌ها به راه‌حل‌های فرهنگی، اخلاقی و جامعه‌شناختی زیادی نیاز دارند، الگوریتم‌های مبتنی بر هوش مصنوعی ممکن است با شناسایی سوگیری در مجموعه‌های داده‌ای که در حال حاضر برای تصمیم‌گیری پزشکی استفاده می‌شوند، به حل این مشکل کمک کنند. با این حال، چنین راه حل های مبتنی بر هوش مصنوعی تنها در مراحل اولیه توسعه هستند. هدف از این تفسیر این است که به عنوان فراخوانی برای اقدام برای تشویق بازرسان و آژانس‌های تامین مالی به سرمایه‌گذاری در توسعه این ابزارهای دیجیتال عمل کند.(4)
این ابزارها و الگوریتم‌های یادگیری ماشینی ممکن است به کور کردن آزمایش‌های بالینی جراحی‌های انتخابی برای نتایج بهتر عوامل مختلف کمک کنند. ابزارهای کور کننده، حتی اگر رمزگشایی شوند، احتمالا زمان کمتری را برای جراحان فراهم می کند تا به نابرابری ها و نابرابری های جراحی فکر کنند.
1. آی سی Bmj. هند: پزشکان خواستار تحقیق در مورد ادعاهای سوء استفاده اخلاقی در آزمایش واکسن کووید-19 هستند.
2. Bonner SN، Kunnath N، Dimick JB، Ibrahim AM. جداسازی نژادی و قومی در سطح بیمارستان در میان ذینفعان مدیکر که تحت عمل جراحی متداول هستند. JAMA Surg. 2022؛ 157 (10): 961-964.
3. Mooney J، Michalopoulos GD، Zeitouni D، El Sammak S، Alvi MA، Wang MY، Coric D، Chan AK، Mummaneni PV، Bisson EF، Sherrod B. جراحی رفع فشار کمری سرپایی در مقابل بستری: یک مطالعه غیرفرعی منطبق برای بررسی بالینی و نتایج گزارش شده توسط بیمار مجله جراحی مغز و اعصاب: ستون فقرات. 2022؛ 37 (4): 485-97.
4. Halamka J، Bydon M، Cerrato P، Bhagra A. پرداختن به تفاوت‌های نژادی در مراقبت‌های جراحی با یادگیری ماشین. npj پزشکی دیجیتال. 2022؛ 5 (1): 152.