A krónikus gyulladásos légúti megbetegedések távkezelésének koncepciójának igazolása a betegek megerősítése érdekében (PRECISION)

A tanulmány elsődleges célja az asztmában és CRS-ben szenvedő betegek szubjektív/objektív adatainak távoli beszerzésére alkalmas koncepció bizonyítása. A krónikus betegségekben, például az asztmában és a CRS-ben szenvedő betegek jelenlegi standard klinikai értékelése két fő összetevőből áll, az egyik szubjektív (a páciens által biztosított) és egy objektív (az orvos által biztosított). Különösen a szubjektív adatok gyűjtése szabványos PROM-okon keresztül történik (mint például a SNOT-22 a CRS és az ACT az asztma esetében). Az objektív adatok gyűjtése klinikai értékelések révén történik, mint például endoszkópos értékelés, szaglásvizsgálat, radiológiai kiértékelés (a Lund-Mackey pontszám meghatározásával), az orráramlás mérése (általában PNIF-en vagy rhinomanometrián keresztül), citológia, vérvizsgálatok (különösen eozinofilszám és IgE), FeNO (frakcionált kilégzett nitrogén-monoxid). Mindkét típusú adatra egyszerre van szükség a betegség helyes kezeléséhez és nyomon követéséhez, és mindenekelőtt a mérések minősége döntő.

A projekt elsődleges célja annak számszerűsítése, hogy mennyivel javul a beteg tapasztalata a betegség egy részének távolról történő kezelésében a kórházi látogatáshoz képest.

Ezt mennyiségileg értékelni fogják a „PREM” (Patient-Reported Experience Measures) kérdőívek kitöltésével. A vizsgálók különösen a technika állásának megfelelően két kérdőív alapján értékelik a betegek elégedettségét:

• CSQ8 (Client Satisfaction Questionnaire): a kezelés mennyiségi értékelését adja
• PSSUQ (Post-Study System Usability Questionnaire): kvantitatív értékelést ad az alkalmazott technológia megfelelőségéről Végül a vizsgálók egy ad-hoc kérdőív segítségével értékelik a betegek elégedettségét azzal, hogy részben otthonról követik őket.

Másodlagos cél:

A PROM-ok lebonyolításának legjobb csatornáinak értékelése korcsoport és kulturális szint alapján.

A PROM-ok kérdőíveken keresztül rögzítik az egyén egészségi állapotáról alkotott képét, az új osztályozási rendszerek szerint meghatározó szerepet töltenek be a CRS-ben és asztmás betegek klinikai értékelésében, és a szubjektív rész támaszpontját jelentik (pl. SinoNasal Outcome Test (SNOT), Asthma Control Test (ACT), kemoszenzoros panaszpontszám (CCS)). Tekintettel a PROM-ok kitöltésének időigényes jellegére és a távoli végrehajtás egyszerűségére, egyre több PROM-ot kézbesítenek online (például webhely-űrlapokkal). Az ilyen módozattal kapcsolatos probléma a valós környezetben a betegek időbeli együttműködése, mivel a kontrollált betegségek alacsony morbiditása a motiváció csökkenésével járhat. Ezen túlmenően a betegeknek szükségük lehet az egészségügyi szakemberek konkrét kérdéseinek tisztázására, amelyek hozzájárulnak azokhoz az okokhoz, amelyek miatt ma is számos kórházban adnak PROM-ot.

Ebben a projektben három különböző csatorna kerül értékelésre:

Közösségi hálózati chatbotok: A chatbotok "természetes nyelvű online ember-számítógép párbeszédrendszerek". A chatbotok mögött meghúzódó technológia ma meglehetősen összetett, és a természetes nyelvi feldolgozás, a válaszok generálása és a párbeszédkezelés területeit öleli fel. Célunk, hogy értékeljük a chatbotok használatát az elkötelezettség fokozása és a PROM-ok magyarázatának megvalósítása érdekében. A chatbotot orvosi maradványok tárolására is használják, ami segít javítani a nyomon követés betartását. A meglévő közösségi hálózatok használatával (pl. Whatsapp, Telegram), a betegeknek nincs szükségük speciális képzésre, mivel már hozzászoktak az azonnali üzenetküldő alkalmazások használatához.

A Phonebot egy telefonrendszer, amely kezeli a bejövő és kimenő telefonhívásokat, valamint a szervezet belső kommunikációját. A nyomozók értékelik a telefonhívások alkalmazásának hatékonyságát a PROM-okhoz szükséges felmérés elvégzéséhez. Az értékelt rendszer szintetikus hangot használ a betegeknek feltett kérdések kifejtésére, a beszéd-/hangfelismerést pedig a válaszok rögzítésére.

Mobilalkalmazás: A dedikált alkalmazások okostelefonokon elérhetősége és a technológia által kínált lehetőségek (push értesítések, személyre szabott grafika és használhatóság) egy másik lehetséges csatorna a PROM-ok adminisztrálására. A nyomozók értékelni fogják ennek a csatornának a hatékonyságát, hogy megszerezzék a PROM-ok válaszait.

A csatornákat különböző betegek számára biztosítják a következő céllal:

• Megtudhatja, melyik csatorna biztosítja a jobb megfelelést, például az adatgyűjtés tartósságát az idő múlásával
• Értse meg, hogy a csatorna mutat-e különbséget az alapadatgyűjtés és a klinikai monitorozás során szerzett adatok minőségében
• Annak megértése, hogy egy adott betegprofilhoz melyik csatorna a legalkalmasabb, a tevékenység korrelációjának elemzése az egyén életkorával és iskolai végzettségével
• A csatorna használata által biztosított betegek felhatalmazásának értékelése Az objektív légáramlási adatok non-invazív technikákkal történő beszerzési technikái is értékelésre kerülnek.

A légzésfigyelés elengedhetetlen eszköze a légúti és szív- és érrendszeri betegségek korai diagnosztizálásának. A légzésszám különösen fontos a légzőszervi rendellenességek, például a krónikus obstruktív tüdőbetegség (COPD), a krónikus orrnyálkahártya-gyulladás (CRS), az asztma vagy a közelmúltban a COVID-19 betegség kialakulásának nyomon követésében. A légzést általában egy spirometriás teszten keresztül figyelik, amely méri a légzési áramlást, és ennek következtében megbecsüli a légzés térfogatát és sebességét. Kórházban azonban csak a szolgáltató felügyelete mellett végezhető el, és a pácienstől ellenőrzött légzést kell végezni orr- vagy szájszondák viselése közben. A hordható és bőrbarát technológiák érdekes alternatívákat kínálhatnak az ilyen kellemetlenségek enyhítésére. Különösen az akkumulátor nélküli ultra-nagyfrekvenciás (UHF) rádiófrekvenciás azonosító (RFID) eszközök biztosíthatnak minimálisan invazív, könnyen használható és olcsó diagnosztikai eljárásokat.

Ezért a projekt figyelembe veszi a légáramlás objektív értékelésének technikáit, és különösen:

• asztmában az erőltetett kilégzési térfogat egy másodperc alatt (FEV1) és a csúcskilégzési áramlás (PEF)
• a CRS-ben a nazális csúcs belégzési áramlás (PNIF) megbízhatóbbnak tűnik, mint az (anterior aktív) rhinomanometria (AAR) és az akusztikus rhinometria (AR) i) egy kereskedelmi forgalomban kapható hordozható spirométert használnak a PEF, FEV távoli mérésére egy intuitív APP segítségével, amely segíti a betegeket az adatszolgáltatásban, azok fogadásában és a kórházba történő továbbításában ii) ugyanaz a hardver használható a PNIF mérésére, a szoftver adaptációjával és a piacon elérhető csatlakoztatható orrmaszkokkal. Ennek eredményeként a rendelkezésre álló technológia újrafelhasználásával és adaptálásával elérhető lesz a felső és alsó légúti funkció távolról történő értékelésére alkalmas, hordozható, kétfunkciós készülék.

A konkrét célkitűzés várható eredményei a következők:

• a páciens légzési mintázatának meghatározása a rendelkezésre álló eszközök segítségével és megbízhatóság az anomális események korai diagnosztizálásához;
• az orrlyukak teljesítményének független elemzése és a PNIF analóg megszerzésének megbízhatóságának értékelése;
• a műszerek megbízhatóságának értékelése az egyenértékű spirometriai paraméterek meghatározásában.

Az adatkezelés az egészségügyi információk hordozhatóságáról és elszámoltathatóságáról szóló törvény (HIPAA), Európában pedig az Általános Adatvédelmi Rendelet (GDPR) által meghatározott szabályok szerint történik.

A projektben tesztelt távoli megközelítések hatalmas mennyiségű valós adatot generálnak elemzéshez. Konkrét adatkezelési tervet dolgoznak ki a klinikai kutatási adatok gyűjtésének, kezelésének és védelmének módszereinek előzetes meghatározására. A terv meghatározza a konkrét adatgyűjtési célokat, az adattípust és -helyszínt, az adatokhoz való hozzáférést, a szerepköröket és a felelősségeket, lehetővé téve a kutatócsoport számára a követelmények alapos megértését.

Kulcsszerepet fog játszani a REDCap (Research Electronic Data Capture) platform, amely az adatok helyes gyűjtésére és kezelésére szolgál majd. Ez egy biztonságos webhely-alkalmazás, amely megfelel számos szabványnak, például a FISMA-nak és a HIPAA-nak, amelyet a klinikai kutatások adatainak kezelésére fejlesztettek ki.

A kísérletek során az adatok gyűjtése kétféleképpen történik: az egyik standard, szubjektív információk (PROM) és objektív információk (légáramlás, klinikai és endoszkópos leletek) beszerzésével, majd adatbevitellel. A másik mód a speciálisan létrehozott csővezetékek előnyeit élvezi, és lehetővé teszi az adatok közvetlen beszerzését az MHT-n (Mobile Health Technology), telefonrobotok esetében pedig közvetlenül a felhőn keresztül, így teljesen automatizált lesz. Ez drasztikusan megnöveli az ezzel a második módozattal potenciálisan megszerzett adatok mennyiségét, logisztikai korlátok és nagyobb lehetőségek nélkül, nagy adatokkal dolgozva megbízható prediktív modelleket építeni a vizsgált betegségekre.

A projekt célzott adatfolyamokat fejleszt ki, amelyek automatikusan feltöltődnek PROM-okkal és az MHT-n keresztül beszerzett légáramlási adatokkal a Redcap adatbázisba.

A phonebot és a chatbot olyan felhőmegoldásokat fog használni, mint a Twilio (kommunikációs API-k SMS-hez, hanghoz, videóhoz és hitelesítéshez) vagy az Amazon Connect (amely viszont a Twilio-n alapul). Ezek a rendszerek Private Branch Exchanges néven indultak (azaz üzleti telefonrendszerek, amelyek kezelik a bejövő és kimenő hívásokat), és többcsatornás kommunikációs rendszerekké fejlődtek. Mostantól integrálják a telefonálást, az SMS-eket, a chatbotokat különböző azonnali üzenetküldő csatornákkal, a valós idejű videostreaming-et és az e-mail rendszereket. Ezenkívül számos kapcsolódó technológiát is integrálnak, például mesterséges intelligencia rendszereket a beszélgetések kezelésére, beszédszintézis rendszereket, adatáramlási és párbeszéd-összeállítási eszközöket.

A nyomozók az ilyen rendszereket különböző szempontokból kényelmesnek fogják használni. Először is, vállalati politikájuk miatt a Whatsapp arra kényszeríti ügyfeleit, hogy viszonteladókat (például a Twiliot) vegyenek igénybe a Whatsapp Business API-k eléréséhez, amelyeket egyébként nem tudunk közvetlenül elérni. Másodszor, az ilyen felhőrendszerek a felhőalapú számítástechnika segítségével percek alatt több millió felhasználóra skálázhatók, ami nagyon kényelmes, mivel a projekt célja, hogy könnyen reprodukálható legyen. Végül az olyan megoldások, mint az Amazon Connect, élvonalbeli mesterséges intelligencia (természetes nyelvi feldolgozás) megoldásokat használnak, amelyeket megosztanak, majd tesztelnek hatékonyságuk érdekében a népszerű „Amazon Alexa” termékkel. Személyre szabott mobilalkalmazásokat fejlesztenek ki a betegek kérdőíveinek biztosítására. Ezek az alkalmazások Android és iOS platformokon fognak megjelenni. Mindezeket az alkalmazásokat a projektpartnerekkel közösen tervezzük, hogy levezetjük a véges állapotú gép specifikációit és tisztázzuk a felhasználási folyamatokat.

Statisztikai terv A három klinikai vizsgálat tervezése során figyelembe vették a kívánt statisztikai teljesítményt, a projekt befejezésének rövid idejét (mindössze 2 év), valamint azt a tényt, hogy a három klinikai vizsgálat „de facto” egyben az elgondolás bizonyítéka is egy nagyon innovatív megközelítés azzal a törekvéssel, hogy megváltoztassuk 2 nagyon gyakori krónikus betegség napi kezelését, és fordulópontot érjünk el a betegek valódi szerepvállalása felé.

Az 1. klinikai vizsgálatban a 95%-os konfidenciaszint és a 15-ös konfidenciaintervallum eléréséhez a szükséges mintanagyságot 40-re becsülték.

Ami a 2. klinikai vizsgálatot illeti, a vizsgálók egy olyan vizsgálatot kívántak felállítani, amely képes kimutatni a karok közötti 20%-os különbséget, amelyhez négykaros vizsgálatról lévén szó, mindkét karra 12 beteg lenne elegendő. De mivel ez egy négykarú vizsgálat, némi korrekciót kell alkalmazni (akár Bonferroni-korrekciót is), és ha az alfa-értékre alkalmazzák, akkor hat lehetséges összehasonlítással (nem csak a kezelt csoportok és a kontrollcsoport között, hanem kezelési csoportok között) az alfa-érték 0,05-ről megközelítőleg 0,009-re emelkedne, ezért a vizsgálók hasznosnak tartották az egyes ágak számát 20 alanyra növelni (az alanyok száma összesen 80).

Végül a 3. klinikai vizsgálatnál a vizsgálók 25%-os különbséget akartak kimutatni a légáramlás mérésében a standard irodai tesztek és a 2 otthoni rendszer között, amelyhez 15 beteg mintanagysága szükséges.

Az elsődleges végpontok statisztikailag szignifikáns különbségeinek értékeléséhez a vizsgálók a következőket fogják használni:

Az 1. vizsgálat esetében, ahol az elsődleges végpont a betegek elégedettsége az R-négyzet, a Chi-négyzet, a Pearson-teszt és a Fisher-teszt, hogy értékeljék a kezelt csoportban lévő betegek elégedettségét a kontrollcsoporthoz képest. Az alfa érték 0,05 lesz.

Az elemzést a korábban említett kérdőívekre (PREM) alkalmazzuk annak érdekében, hogy számszerűsítsük az MHT-vel (spirométerekkel és PROM-okkal) kezelt betegek tapasztalatának javulását a jelenlegi forgatókönyvhöz képest, amely csak időszakos személyes látogatást tartalmaz a kórházban.

A 2. vizsgálatban az elsődleges végpont, azaz a négy karon a kérdőívek kitöltési arányának értékeléséhez a vizsgálók ANOVA-t, majd t-teszteket használnak a 6 csoport közötti 6 lehetséges összehasonlítás elvégzésére. Az ANOVA esetében 0,05 alfa-értéket kell használni, míg az egyszeri összehasonlításoknál Bonferroni-korrekciót alkalmaznak, így az alfa értéke 0,009 lesz.

A következő érdemi értékek kerülnek értékelésre:

• kitöltési arány: hány kérdőívet töltöttek ki, lemorzsolódás;
• a válaszok minősége: szintén metainformáció elemzésével (pl. "aranykérdések") és a kérdőívek kórházi összeállításának alapigazságként való felhasználása;
• a legjobb csatorna a PROM-ok kezeléséhez a páciens technológiai profilja szempontjából: Phonebot, azonnali üzenetküldés és dedikált alkalmazások;
• a betegek felhatalmazása kérdőívek segítségével. A 3. kísérletben a nem inferiority hipotézist úgy tesztelik, hogy a távméréseket összehasonlítják a standard ambuláns tesztekkel, párosított t-próbák segítségével. Az alfa értéke 0,05 lesz.

A másodlagos végpontokat ugyanazzal a szoftverrel (a SAS-intézet JMP-jével) értékeljük ki, megfelelő statisztikai eszközökkel.

Végül a talált összesített adatok tudományos publikációk tárgyát képezik, gazdagítva a témával kapcsolatos általános know-how-t, és ezáltal lehetővé válik az adatok másodlagos statisztikai felhasználása.