Proof of Concept der Fernbehandlung chronisch entzündlicher Atemwegserkrankungen zur Stärkung der Patienten (PRECISION)

Das Hauptziel der Studie besteht darin, einen Proof of Concept für die Fernerfassung subjektiver/objektiver Daten für Patienten mit Asthma und CRS zu erstellen. Bei der aktuellen klinischen Standardbeurteilung von Patienten mit chronischen Erkrankungen wie Asthma und CRS gibt es zwei Hauptkomponenten: eine subjektive (vom Patienten bereitgestellte) und eine objektive (vom Arzt bereitgestellte) Komponente. Insbesondere werden subjektive Daten über standardisierte PROMs (wie SNOT-22 für CRS und ACT für Asthma) erfasst. Die Erhebung objektiver Daten erfolgt durch klinische Auswertungen wie endoskopische Auswertung, Olfaktometrie, radiologische Auswertung (mit der Definition des Lund-Mackey-Scores), Messung des Nasenflusses (normalerweise durch PNIF oder Rhinomanometrie), Zytologie, Bluttests (insbesondere). Eosinophilenzahl und IgE), FeNO (fraktioniertes ausgeatmetes Stickoxid). Für die korrekte Behandlung und Nachsorge der Erkrankung werden beide Arten von Daten gleichzeitig benötigt und vor allem ist die Qualität der Messungen entscheidend.

Das Hauptziel des Projekts besteht darin, zu quantifizieren, inwieweit sich die Erfahrung des Patienten bei der Fernbewältigung eines Teils seiner Krankheit im Vergleich zu einem Krankenhausbesuch verbessert.

Dies wird quantitativ durch die Verwaltung von „PREMs“-Fragebögen (Patient-Reported Experience Measures) bewertet. Insbesondere werden die Prüfärzte die Patientenzufriedenheit entsprechend dem Stand der Technik anhand von zwei Fragebögen bewerten:

• CSQ8 (Client Satisfaction Questionnaire): Bietet eine quantitative Bewertung der Behandlung
• PSSUQ (Post-Study System Usability Questionnaire): Bietet eine quantitative Bewertung der Angemessenheit der verwendeten Technologie. Schließlich bewerten die Forscher die Zufriedenheit der Patienten, teilweise von zu Hause aus beobachtet zu werden, anhand eines Ad-hoc-Fragebogens.

Sekundäres Ziel:

Bewertung der besten Kanäle für die Verwaltung von PROMs basierend auf Altersgruppe und kulturellem Niveau.

PROMs erfassen anhand von Fragebögen die Wahrnehmung einer Person über ihre Gesundheit, spielen bei der klinischen Beurteilung von Patienten mit CRS und Asthma gemäß den neuen Klassifizierungssystemen eine deutlich vorherrschende Rolle und bilden den Dreh- und Angelpunkt des subjektiven Teils (z. B. SinoNasal Outcome Test (SNOT), Asthmakontrolltest (ACT), Chemosensory Complaint Score (CCS)). Da das Ausfüllen von PROMs zeitaufwändig ist und sich problemlos aus der Ferne durchführen lässt, werden immer mehr PROMs online bereitgestellt (z. B. über Website-Formulare). Das Problem bei einer solchen Modalität im realen Kontext ist die Compliance der Patienten im Laufe der Zeit, da die geringe Morbidität einer kontrollierten Krankheit mit einer verminderten Motivation verbunden sein kann. Darüber hinaus benötigen Patienten möglicherweise die Klärung spezifischer Fragen durch medizinisches Fachpersonal, die zu den Ursachen beitragen, für die PROMs auch heute noch in vielen Krankenhäusern eingesetzt werden.

In diesem Projekt werden drei verschiedene Kanäle evaluiert:

Chatbots für soziale Netzwerke: Chatbots sind „Online-Mensch-Computer-Dialogsysteme in natürlicher Sprache“. Die Technologie hinter Chatbots ist heute recht komplex und umfasst die Bereiche der Verarbeitung natürlicher Sprache, der Antwortgenerierung und des Dialogmanagements. Unser Ziel ist es, den Einsatz von Chatbots zu evaluieren, um das Engagement zu steigern und Erklärungen von PROMs umzusetzen. Der Chatbot wird auch für medizinische Überreste verwendet, was dazu beiträgt, die Einhaltung der Nachsorge zu verbessern. Durch die Nutzung bestehender sozialer Netzwerke (z.B. WhatsApp, Telegram) benötigen Patienten keine spezielle Schulung, da sie bereits mit der Verwendung von Instant-Messaging-Anwendungen vertraut sind.

Phonebot ist ein Telefonsystem, das ein- und ausgehende Telefonanrufe sowie die interne Kommunikation eines Unternehmens verwaltet. Die Ermittler werden die Wirksamkeit der Nutzung von Telefonanrufen bewerten, um die für PROMs erforderliche Umfrage auszufüllen. Das evaluierte System nutzt synthetische Stimme, um den Patienten Fragen zu stellen, und Sprach-/Tonerkennung, um Antworten zu erfassen.

Mobile App: Die Verfügbarkeit dedizierter Apps auf Smartphones und die Möglichkeiten dieser Technologie (Push-Benachrichtigungen, personalisierte Grafiken und Benutzerfreundlichkeit) sind ein weiterer möglicher Kanal für die Verwaltung von PROMs. Die Ermittler werden die Wirksamkeit dieses Kanals bewerten, um die Antworten der PROMs zu erhalten.

Die Kanäle werden verschiedenen Patienten mit dem Ziel zur Verfügung gestellt:

• Verstehen Sie, welcher Kanal eine bessere Compliance bietet, z. B. die Beständigkeit der Datenerfassung über einen längeren Zeitraum
• Verstehen Sie, ob der Kanal einen Unterschied in der Qualität der durch Basisdatenerfassung und klinische Überwachung erfassten Daten aufweist
• Verstehen, welcher Kanal für ein bestimmtes Patientenprofil am besten geeignet ist, und Analyse der Korrelation der Aktivität mit dem Alter und der Bildung des Einzelnen
• Bewertung der durch die Nutzung des Kanals bereitgestellten Patientenbefähigung. Techniken zur Erfassung objektiver Luftstromdaten mithilfe nicht-invasiver Techniken werden ebenfalls evaluiert.

Die Atemüberwachung ist ein wesentliches Instrument zur Früherkennung von Atemwegs- und Herz-Kreislauf-Erkrankungen. Insbesondere ist die Atemfrequenz von entscheidender Bedeutung für die Überwachung der Entwicklung von Atemwegserkrankungen wie der chronisch obstruktiven Lungenerkrankung (COPD), der chronischen Rhinosinusitis (CRS), Asthma oder der kürzlich aufgetretenen COVID-19-Erkrankung. Die Atmung wird typischerweise im Rahmen eines Spirometrietests überwacht, der den Atemfluss misst und daraus das Atemvolumen und die Atemfrequenz schätzt. Sie kann jedoch nur in einem Krankenhaus unter Aufsicht eines Arztes durchgeführt werden und erfordert, dass der Patient kontrolliert atmet und dabei Nasen- oder Mundsonden trägt. Tragbare und hautfreundliche Technologien könnten interessante Alternativen zur Linderung solcher Beschwerden bieten. Insbesondere batterielose Ultrahochfrequenz-(UHF-)Radiofrequenzidentifikationsgeräte (RFID) könnten minimalinvasive, benutzerfreundliche und kostengünstige Diagnoseverfahren ermöglichen.

Daher werden im Projekt Techniken zur objektiven Bewertung des Luftstroms berücksichtigt, insbesondere:

• bei Asthma das forcierte exspiratorische Volumen in einer Sekunde (FEV1) und der maximale exspiratorische Fluss (PEF)
• Bei CRS scheint der nasale Peak-Inspirationsfluss (PNIF) zuverlässiger zu sein als die (anteriore aktive) Rhinomanometrie (AAR) und die akustische Rhinometrie (AR). i) Ein im Handel erhältliches tragbares Spirometer wird verwendet, um PEF und FEV aus der Ferne mit einer intuitiven APP zu messen unterstützt Patienten bei der Bereitstellung, dem Empfang und der Weiterleitung von Daten an das Krankenhaus. ii) Durch eine Anpassung der auf dem Markt erhältlichen Software und anschließbaren Nasenmasken kann dieselbe Hardware für die Messung des PNIF verwendet werden. Dadurch wird durch die Wiederverwendung und Anpassung verfügbarer Technologie ein tragbares Doppelfunktionsgerät zur Verfügung stehen, das für die Fernbeurteilung der Funktion der oberen und unteren Atemwege geeignet ist.

Die erwarteten Ergebnisse dieses spezifischen Ziels sind:

• Definition des Atemmusters des Patienten unter Verwendung verfügbarer Tools und Zuverlässigkeit für die Frühdiagnose anomaler Ereignisse;
• unabhängige Analyse der Leistung der Nasenlöcher und Bewertung der Zuverlässigkeit der Gewinnung eines PNIF-Analogons;
• Bewertung der Zuverlässigkeit der Instrumente bei der Definition äquivalenter spirometrischer Parameter.

Die Datenverwaltung erfolgt gemäß den Regeln des Health Information Portability and Accountability Act (HIPAA) und in Europa der Datenschutz-Grundverordnung (DSGVO).

Die in diesem Projekt getesteten Remote-Ansätze werden eine große Menge realer Daten für die Analyse generieren. Es wird ein spezifischer Datenmanagementplan entwickelt, um vorab die Methoden zur Erhebung, Verwaltung und zum Schutz klinischer Forschungsdaten festzulegen. Der Plan definiert spezifische Datenerfassungsziele, Datentyp und -speicherort, Datenzugriff, Rollen und Verantwortlichkeiten und ermöglicht dem Forschungsteam ein umfassendes Verständnis der Anforderungen.

Eine Schlüsselrolle kommt dabei der REDCap-Plattform (Research Electronic Data Capture) zu, mit der Daten korrekt erfasst und verwaltet werden. Dabei handelt es sich um eine sichere Website-Anwendung, die vielen Standards wie FISMA und HIPAA entspricht und zur Verwaltung von Daten für die klinische Forschung entwickelt wurde.

Während der Experimente werden die Daten auf zwei Arten gesammelt: Zum einen werden standardmäßig subjektive Informationen (PROM) und objektive Informationen (Luftströme, klinische und endoskopische Befunde) erfasst und anschließend Daten eingegeben. Der andere Modus profitiert von speziell erstellten Pipelines und ermöglicht die Datenerfassung direkt über MHT (Mobile Health Technology) und im Fall von Phonebots direkt über die Cloud und damit vollständig automatisiert. Dadurch wird die Datenmenge, die möglicherweise mit dieser zweiten Modalität erfasst wird, ohne logistische Einschränkungen und mit größeren Möglichkeiten drastisch erhöht, indem mit großen Datenmengen gearbeitet wird, um zuverlässige Vorhersagemodelle für die untersuchten Krankheiten zu erstellen.

Das Projekt wird dedizierte Datenpipelines entwickeln, die automatisch mit PROMs und über MHT erfassten Luftstromdaten in die Redcap-Datenbank gefüllt werden.

Der Phonebot und der Chatbot werden Cloud-Lösungen wie Twilio (Kommunikations-APIs für SMS, Sprache, Video und Authentifizierung ohne Datum) oder Amazon Connect (das wiederum auf Twilio basiert) nutzen. Diese Systeme begannen als Nebenstellenanlagen (d. h. Geschäftstelefonsysteme, die ein- und ausgehende Anrufe verwalten) und haben sich zu Mehrkanal-Kommunikationssystemen entwickelt. Sie integrieren jetzt Telefonie, SMS, Chatbots mit verschiedenen Instant-Messaging-Kanälen, Echtzeit-Video-Streaming und E-Mail-Systeme. Darüber hinaus integrieren sie auch mehrere verwandte Technologien wie Systeme der künstlichen Intelligenz zur Verwaltung von Gesprächen, Sprachsynthesesysteme, Datenfluss und Werkzeuge zur Dialoggestaltung.

Die Ermittler werden solche Systeme aus verschiedenen Perspektiven als praktisch nutzen. Erstens zwingt Whatsapp seine Kunden aufgrund seiner Unternehmensrichtlinien dazu, Wiederverkäufer (wie Twilio) zu nutzen, um auf Whatsapp Business APIs zuzugreifen, die sonst nicht direkt von uns erreicht werden können. Zweitens können solche Cloud-Systeme durch den Einsatz von Cloud Computing innerhalb von Minuten auf Millionen von Benutzern skaliert werden, was sehr praktisch ist, da das Projekt eine einfache Replikation anstrebt. Schließlich nutzen Lösungen wie Amazon Connect hochmoderne Lösungen der künstlichen Intelligenz (Verarbeitung natürlicher Sprache), die gemeinsam genutzt und dann mit dem beliebten Produkt „Amazon Alexa“ auf ihre Wirksamkeit getestet werden. Es werden maßgeschneiderte mobile Anwendungen entwickelt, um Patienten Fragebögen bereitzustellen. Diese Anwendungen werden auf Android- und iOS-Plattformen veröffentlicht. Alle diese Anwendungen werden gemeinsam mit den Projektpartnern entworfen, um die Spezifikationen der endlichen Zustandsmaschine abzuleiten und die Nutzungsströme zu klären.

Statistischer Plan Die Planung der drei klinischen Studien erfolgte unter Berücksichtigung der gewünschten statistischen Aussagekraft, der kurzen Zeit für die Fertigstellung des Projekts (nur 2 Jahre) und der Tatsache, dass die drei klinischen Studien „de facto“ auch einen Proof of Concept für einen sehr langen Zeitraum darstellen innovativer Ansatz mit dem Ziel, die tägliche Behandlung von zwei sehr häufigen chronischen Krankheiten zu verändern und einen Wendepunkt hin zu einer echten Patientenförderung zu erreichen.

Für die klinische Studie 1 wurde die erforderliche Stichprobengröße auf 40 geschätzt, um ein Konfidenzniveau von 95 % und ein Konfidenzintervall von 15 zu erreichen.

Was die klinische Studie 2 betrifft, wollten die Forscher eine Studie einrichten, mit der ein Unterschied von 20 % zwischen den Armen festgestellt werden kann. Da es sich um eine vierarmige Studie handelt, würden 12 Patienten pro Arm ausreichen. Da es sich aber um eine vierarmige Studie handelt, sollte auch eine gewisse Korrektur vorgenommen werden (sogar eine Bonferroni-Korrektur) und, wenn auf den Alpha-Wert angewendet, sechs mögliche Vergleiche (nicht nur der Behandlungsgruppen mit der Kontrollgruppe, sondern auch zwischen den Behandlungsgruppen) würde der Alpha-Wert von 0,05 auf ungefähr 0,009 steigen, daher hielten es die Forscher für sinnvoll, jeden Arm auf 20 Probanden zu erhöhen (Gesamtzahl der Probanden 80).

Schließlich wollten die Forscher für die klinische Studie 3 in der Lage sein, 25 % Unterschiede in den Luftstrommessungen zwischen den Standardtests in der Praxis und den beiden Heimsystemen festzustellen, für die eine Stichprobengröße von 15 Patienten erforderlich ist.

Um statistisch signifikante Unterschiede für die primären Endpunkte zu bewerten, verwenden die Forscher Folgendes:

Für Studie 1, bei der der primäre Endpunkt die Patientenzufriedenheit ist, werden R-Quadrat, Chi-Quadrat, Pearson-Test und exakter Fisher-Test zur Bewertung der Zufriedenheit der Patienten in der Behandlungsgruppe im Vergleich zur Kontrollgruppe verwendet. Der Alpha-Wert wird auf 0,05 eingestellt.

Die Analyse wird auf die zuvor erwähnten Fragebögen (PREMs) angewendet, um die Verbesserung der Patientenerfahrung bei der Behandlung mit MHT (Spirometern und PROMs) im Vergleich zum aktuellen Szenario, das nur regelmäßige persönliche Besuche im Krankenhaus umfasst, zu quantifizieren.

Für Versuch 2 verwenden die Forscher zur Bewertung des primären Endpunkts, der die Abschlussrate der Fragebögen in den vier Armen ist, ANOVA gefolgt von T-Tests, um die 6 möglichen Vergleiche zwischen den 6 Gruppen durchzuführen. Für die ANOVA wird ein Alpha-Wert von 0,05 verwendet, während für Einzelvergleiche eine Bonferroni-Anpassung angewendet wird, wodurch sich der Alpha-Wert auf 0,009 erhöht.

Bewertet werden folgende Leistungsmerkmale:

• Abschlussquote: wie viele Fragebögen wurden ausgefüllt, Abbruchquote;
• Qualität der Antworten: erfolgt auch durch die Analyse von Metainformationen (z.B. „Goldfragen“) und die Zusammenstellung der Fragebögen im Krankenhaus als Ground Truth nutzen;
• bester Kanal für die Verwaltung von PROMs im Hinblick auf das technologische Profil des Patienten: Phonebot, Instant Messaging und dedizierte Apps;
• Stärkung der Patienten durch Fragebögen. Für Versuch 3 wird die Nicht-Minderwertigkeitshypothese getestet, indem Fernmessungen mit ambulanten Standardtests über gepaarte t-Tests verglichen werden. Alpha wird auf 0,05 eingestellt.

Die sekundären Endpunkte werden mit derselben Software (JMP vom SAS-Institut) mit geeigneten statistischen Tools ausgewertet.

Schließlich werden die gefundenen aggregierten Daten Gegenstand wissenschaftlicher Veröffentlichungen sein, die das allgemeine Wissen zum Thema bereichern und somit sekundäre statistische Nutzungen der Daten ermöglichen.