Los hallazgos de que los dispositivos y aplicaciones móviles y portátiles llevan a los pacientes a cambiar sus comportamientos de formas que pueden afectar positivamente su salud brindan oportunidades no solo a los pacientes, sino también a los proveedores de atención y aseguradoras. Pero los resultados sorprendentes sobre la eficacia de las picaduras personalizadas frente a las no personalizadas significan que no existe una forma clara de recordar a los pacientes que adopten comportamientos saludables. Esto sugiere que los proveedores deben experimentar para descubrir qué funciona mejor con los pacientes.
En los últimos años, varias empresas han comercializado dispositivos portátiles y aplicaciones móviles que pueden rastrear nuestros datos de salud personales. Estos dispositivos y aplicaciones de “mHealth” han dado lugar al nacimiento de lo que se conoce como el “yo cuantificado”, un fenómeno en el que las personas comienzan a rastrear sus marcadores de salud conductuales, fisiológicos, biológicos y de otro tipo. Una pregunta clave de interés en este ecosistema permaneció sin respuesta hasta hace poco: ¿Existe alguna evidencia científica de que la adopción y el uso por parte de los consumidores de estos dispositivos portátiles y aplicaciones de salud móviles en realidad conduzca a un cambio tangible en su comportamiento, que, a su vez, puede aparecer? en los resultados concretos del cuidado de la salud? Esta es la pregunta que mis coautores y yo investigamos en un artículo publicado recientemente.
Este estudio, el primero en su tipo, utiliza datos de las principales partes interesadas (plataformas de aplicaciones digitales, hospitales, clínicas, médicos, nutricionistas, farmacéuticos, etc.) para examinar si las tecnologías emergentes de mHealth persuaden eficazmente a las personas para que modifiquen sus estilos de vida y, por lo tanto, reduzcan las visitas y gastos médicos a lo largo del tiempo. El área relativamente nueva de mHealth incluye la informática móvil, los sensores médicos y las tecnologías de comunicación utilizadas para los servicios de atención médica (por ejemplo, el manejo de enfermedades crónicas). Las aplicaciones de mHealth pueden funcionar en teléfonos inteligentes, tabletas, sensores y sistemas informáticos basados en la nube, todos los cuales recopilan datos de salud de las personas.
En asociación con una importante plataforma de aplicaciones de mHealth en Asia, diseñamos e implementamos un experimento de campo aleatorio a gran escala basado en actividades detalladas del estilo de vida del paciente (por ejemplo, pasos caminados, tiempo de ejercicio y calorías gastadas, patrones de sueño y calidad y cantidad de alimentos) y valores de glucosa en sangre de pacientes con diabetes crónica durante un período de 15 meses. La aleatorización implicó que algunos pacientes tuvieran acceso a la aplicación mHealth, algunos tuvieran acceso a la versión web de la aplicación y el resto (el grupo de control) no tuvieran acceso a ninguna de estas aplicaciones o dispositivos.
La adopción de la aplicación mHealth condujo a una mejora tanto en las métricas a corto plazo (como una reducción en los niveles de glucosa en sangre y hemoglobina glucosilada de los pacientes) como en las métricas a más largo plazo (como una reducción en las visitas al hospital y los gastos médicos). Los pacientes que adoptaron la aplicación mHealth realizaron mayores niveles de ejercicio, consumieron alimentos más saludables con menos calorías, caminaron más pasos y durmieron más a diario.
Algunos otros descubrimientos interesantes se referían a los resultados de los pacientes del grupo que utilizó la aplicación mHealth que recibieron recordatorios personalizados a través de mensajes de texto frente a los de los pacientes que recibieron recordatorios genéricos. Un ejemplo de recordatorio personalizado sería el siguiente: “Estimado Sr. XX, ayer no hizo ningún ejercicio. Realice una caminata de 45 minutos hoy, ya que le ayudará a controlar sus niveles de glucosa en sangre “. Por el contrario, un recordatorio genérico podría decir: “El ejercicio regular a intensidad moderada es muy útil para controlar la glucosa en sangre”.
Estos mensajes genéricos con orientación generalizada sobre la diabetes fueron un 18% más efectivos que los mensajes personalizados para reducir los niveles de glucosa con el tiempo. Las encuestas realizadas después del experimento ofrecieron una explicación: algunos pacientes encontraron que la precisión de los mensajes personalizados era intrusiva y molesta, y algunos dijeron que los hacían sentirse constantemente obligados a seguir las recomendaciones de bienestar, lo que los desmotivaba y conducía a un nivel más bajo de bienestar. actividades (por ejemplo, menos ejercicio, menos hábitos alimenticios saludables y períodos de sueño más cortos por la noche).
Dicho esto, nuestros experimentos aleatorios demostraron que, en comparación con los mensajes genéricos, los mensajes personalizados eran más efectivos para reducir las visitas al médico en persona y reemplazarlas con servicios de telesalud. Las encuestas post-experimentales de los sujetos experimentales revelaron que la precisión de estos mensajes personalizados, de hecho, hizo que los pacientes se sintieran cómodos con la adopción de los servicios de telesalud implementados por la plataforma. Por lo tanto, estaban sustituyendo sus interacciones médicas fuera de línea con las en línea, reduciendo sus gastos médicos generales. Este fue un rayo de luz de la personalización.
Nuestros hallazgos tienen varias implicaciones:
Primero, nuestro estudio muestra que los usuarios de dispositivos y aplicaciones de mHealth pueden volverse más autónomos y más motivados para autorregular su comportamiento de salud y más comprometidos y consistentes en su estilo de vida y comportamiento de bienestar, lo que conduce a mejores resultados de salud. Esto sugiere que valdría la pena que las aseguradoras gubernamentales y privadas y las empresas tecnológicas subvencionen los precios de estos dispositivos para fomentar su uso. Apple, de hecho, ha estado colaborando recientemente con los proveedores del plan Medicare para subsidiar sus relojes para personas mayores.
En segundo lugar, la personalización es un arma de doble filo. Por un lado, lleva a que algunos pacientes reduzcan su compromiso con las tecnologías portátiles y reduzcan sus comportamientos de bienestar. Por otro lado, la personalización también facilita un mayor uso de la telemedicina entre los pacientes, lo que, a su vez, conduce a menores gastos médicos. Los profesionales del ecosistema de la atención de la salud se beneficiarían de tener en cuenta estos efectos compensatorios al diseñar sus estrategias de comunicación. Por ejemplo, podrían realizar experimentos o realizar investigaciones de mercado en sus poblaciones locales para examinar el efecto de la personalización en las preferencias de los pacientes para las consultas en persona frente a las consultas de telesalud. Al solicitar comentarios sobre las preferencias de los pacientes, podrían predecir el beneficio neto de la personalización y ajustar la frecuencia de las comunicaciones personalizadas en consecuencia.
En tercer lugar, los dispositivos y aplicaciones de mHealth podrían brindar a las compañías de seguros médicos la oportunidad de personalizar las primas. Podrían permitirles recompensar a los consumidores que hacen el esfuerzo de hacer ejercicio con más frecuencia, comer más saludablemente y dormir más con primas de seguro más bajas. Esto sería similar a lo que ya están haciendo algunas compañías de seguros de automóviles: colocar dispositivos de rastreo en los automóviles para monitorear el comportamiento de conducción y luego recompensar a los mejores conductores con primas más bajas.
Dicho esto, dicha estrategia plantea algunos problemas o desafíos potenciales. Las reglas de privacidad de HIPAA significan que los pacientes tendrían que aceptar dar acceso a sus datos a las compañías aseguradoras de salud. Y las recompensas basadas en hábitos alimenticios y estilos de vida más saludables podrían terminar recompensando a los ricos y penalizando a los pobres, lo que estaría mal. Aun así, tener una idea más clara de cómo estas aplicaciones y dispositivos cambian y no cambian el comportamiento puede ayudar a las organizaciones de atención médica a diseñar una mejor estrategia sobre cómo crear una mejor atención para sus pacientes.