Fattibilità dell'utilizzo di un'applicazione per smartphone per l'autotitolazione dell'insulina sul controllo glicemico nei pazienti con T2DM

Sfondo:

Molti pazienti con diabete mellito di tipo 2 (T2DM) richiedono la terapia insulinica dopo un controllo glicemico subottimale con agenti antidiabetici orali. L'inizio della terapia insulinica e l'adeguamento del dosaggio sono fondamentali per migliorare i risultati clinici tra i pazienti con diabete. Tuttavia, la titolazione tempestiva e appropriata del dosaggio è una sfida per molti pazienti. I medici si scontrano anche con molti pazienti che non hanno la fiducia necessaria per l'autotitolazione dell'insulina. Quindi, rafforzare l'auto-empowerment dei pazienti è importante nella gestione del diabete. Lo sviluppo di strumenti che facilitano l'aggiustamento del dosaggio dell'insulina può avere notevoli benefici per il controllo glicemico.

Obiettivi:

Lo scopo generale di questo studio è quello di indagare la fattibilità dell'utilizzo di un'applicazione per smartphone incentrata sul paziente per l'autotitolazione dell'insulina per migliorare il controllo glicemico rispetto alle cure abituali nei pazienti con T2DM. Lo scopo specifico dello studio è determinare la fattibilità tecnica e clinica di un'applicazione per smartphone centrata sul paziente per l'autotitolazione dell'insulina sul controllo glicemico (HbA1c) di pazienti con T2DM controllati in modo subottimale che stanno iniziando il trattamento con insulina.

Disegno dello studio:

Questo studio di 24 settimane è uno studio controllato randomizzato che coinvolgerà i partecipanti reclutati dal Singapore General Hospital, un ospedale di cure terziarie da 1500 posti letto. La popolazione target sarà costituita da pazienti naive all'insulina con T2DM (30-70 anni) con controllo glicemico subottimale (HbA1c ≥ 7,5%) durante l'assunzione di agenti antidiabetici orali.

Misura di prova:

Ottanta pazienti saranno reclutati nello studio e randomizzati nel gruppo di intervento o di controllo in numero uguale (n=40) all'interno di strati definiti dal fornitore (cioè, all'interno di ciascuno dei cinque medici). I pazienti saranno annidati all'interno dei fornitori e la randomizzazione all'interno di ciascun fornitore sarà eseguita in blocchi di 4 soggetti: 2 per l'intervento e 2 per il controllo.

Selezione del soggetto:

I pazienti idonei saranno reclutati per un periodo di 18 mesi dal Singapore General Hospital. Tutti i pazienti che hanno appena iniziato la terapia insulinica riceveranno un'educazione standard sul diabete da Diabetes Nurse Educators (DNE). Il coordinatore della ricerca e i medici lavoreranno a stretto contatto con gli DNE per identificare i pazienti idonei per questo studio. Quando un paziente è idoneo a partecipare allo studio, il coordinatore della ricerca fornirà un opuscolo informativo sullo studio e spiegherà al paziente il disegno dello studio. Gli investigatori otterranno un consenso informato dai pazienti prima della randomizzazione.

Intervento:

Uso di un'applicazione per smartphone nell'autotitolazione dell'insulina

Variabile risultato primario:

Differenza nella variazione del controllo glicemico (HbA1c) tra l'intervento e il gruppo di controllo

Procedure:

I pazienti reclutati riceveranno iniezioni una volta al giorno di insulina detemir, un'insulina ad azione prolungata, da somministrare prima di coricarsi. I medici sono liberi di mantenere i pazienti sotto tutti gli agenti antidiabetici orali, ad eccezione dei tiazolidinedioni. Tutti i pazienti reclutati riceveranno gratuitamente glucometri e strisce reattive.

Analisi statistica:

L'analisi primaria sarà un confronto della riduzione media di HbA1c a 24 settimane dopo la randomizzazione nei gruppi di trattamento e di controllo nel contesto di un modello lineare a effetti misti con effetti casuali per pazienti e medici. Lo studio è randomizzato, quindi le caratteristiche di base e i potenziali fattori di confusione dovrebbero essere approssimativamente bilanciati tra il gruppo di trattamento e quello di controllo. Tuttavia, la dimensione del campione è piccola (80 pazienti in totale), quindi il modello a effetti misti verrà aggiustato per le covariate selezionate utilizzando la selezione delle variabili stepwise in avanti con il criterio AIC. Le potenziali covariate includono l'età, il sesso, se il paziente stesso ha uno smartphone e la soddisfazione del trattamento.

Il modello a effetti misti consente di utilizzare tutti i dati non mancanti nell'analisi senza imputazione. Tuttavia, affinché la stima della differenza nella riduzione di HbA1c sia imparziale, è necessario che la distribuzione della mancanza di dati condizionata dalle variabili nel modello e dai dati osservati non dipenda dai valori dei dati mancanti, in modo che i dati sono mancanti in modo casuale. Si tratta di un presupposto comune e ragionevole. Tuttavia, è possibile che l'analisi dell'attrito indichi la necessità di includere ulteriori covariate nel modello a effetti misti. Con l'obiettivo di sviluppare un piano di analisi su misura per uno studio definitivo, saranno presi in considerazione anche alcuni modelli aggiuntivi per il confronto della riduzione media di HbA1c. Ad esempio, sarà adatto anche un modello lineare a effetti misti con pendenza casuale e intercetta per ciascun paziente e medico che incorpori le misurazioni intermedie di HbA1c per ciascun paziente. Non è noto a priori se un tale modello avrà una potenza ridotta a causa dei pazienti che raggiungono la titolazione di equilibrio in tempi diversi o se un tale modello avrà una potenza maggiore perché utilizza più osservazioni anche se sullo stesso gruppo di pazienti. A seconda del tasso di logoramento e del fatto che il logoramento sia correlato a covariate, è possibile sviluppare un punteggio di propensione alla mancanza e adattare i modelli adattati o stratificati in base a questo punteggio.

L'esame primario dell'efficacia avverrà attraverso un modello lineare a effetti misti con effetti casuali per ciascun medico e paziente, nell'ipotesi che la distribuzione della mancanza condizionata dalle covariate e dai dati osservati non dipenda dai valori dei dati mancanti. Tuttavia, gli investigatori esamineranno diverse analisi per verificarne l'adeguatezza, inclusi semplici confronti delle riduzioni di HbA1c tra i gruppi di trattamento e di controllo in base all'ultima osservazione portata avanti, che dovrebbe essere abbastanza conservativa, e alla peggiore osservazione portata avanti, che dovrebbe essere estremamente conservativo. Ciò che manca di rigore a questi metodi può essere compensato dalla loro semplicità.