聴覚障害のある子供に対する遠隔療法

永続性難聴が確認された生後0～27カ月の小児210人を、複数の小児科病院の耳鼻咽喉科・聴覚科クリニックから募集する。 いずれも、関心の相違に応じて、幅広く多様な D/HH 集団のケアを提供しています。 耳鼻咽喉科/聴覚科クリニックを訪れる小児は、資格があるかどうか検査されます。 資格が確認でき次第、入会手続きをさせていただきます。 登録が完了すると、すべてのグループはベースライン時とその後 9 か月ごとに各施設で包括的な音声、言語、および生活の質の評価を受けます。 評価には、言語、会話、語彙、聴覚関連の生活の質、親の自己効力感、および早期介入の利点の尺度が含まれます。 研究者らはさらに、治療の利用状況とベースラインの人口統計および臨床的特徴を測定します。

子どもたちは、次の 3 つの研究部門のいずれかに割り当てられます。 1) Low-UC (低所得の子ども、通常のケアを受けるようにランダム化)。 2) 低 TT (低所得の子供、通常のケアと追加の遠隔療法へのアクセスをランダムに受ける)、および; 3) 高 UC (通常のケアを受けている高所得の子供)。 低 TT グループは自宅で 18 か月間の遠隔療法を受けます。

この研究の全体的な目標は、D/HH の子供に対する遠隔療法へのアクセスを改善することで、言語成果の格差を減らすことができるかどうかを学ぶことです。 患者中心性と普及の可能性を確保するために、研究全体を通じて親および関係者のアドバイザーとの継続的な関与が行われます。

具体的目標 1:一次解析 I

人口統計および家族特性データを含むその他のベースラインデータは、治療部門によってリスト化され、説明的に要約されます。 カテゴリデータは頻度とパーセンテージとして表示されます。 連続データの場合、平均、標準偏差、中央値、四分位範囲、最小値、最大値が表示されます。 フル分析セット (FAS) は、ランダム化によって試験治療が割り当てられたすべての小児で構成されます。 治療意図の原則に従い、無作為化手順を通じて小児が割り当てられる治療群と層に基づいて分析が完了します。

この試験の主な目的は、TT と UC を受けている低所得の児童の生後 18 か月における聴覚理解 (AC) を比較することです。 主な目的に対処するために、次の統計的仮説がテストされます。 Ho: θ1 = 0 vs. HA: θ1 ≠ 0 ここで、θ1 は 18 か月の Low-TT と Low-UC の差です。 この仮説を検証し、2 つの治療群を比較するための一次分析は、層別化因子を調整した主要エンドポイント AC の線形回帰モデルから生成された t 検定で構成されます。 治療間の差異が 95% CI とともに計算されます。 効果量 0.75 を検出するための 90% の統計検出力を達成するには、合計 140 人の低所得の子供を 1:1 (各腕あたり 70 人) で TT または UC に無作為に割り付ける必要があります (公的保険を代用して表 1 から推定)。主要エンドポイントの共通標準偏差 21.3 と差 16 を仮定した場合の収入：87 対 71（差が小さいと仮定）：18 か月時点の PLS-5 AC。 このサンプル サイズは、モデルで調整された係数 (二乗多重相関係数 0.1) を考慮して、ドロップアウト 20% および分散膨張係数 0.1 (50/(1-.1)) に合わせて調整されました。 この計算は、等分散 (表 1 の 2 つの標準偏差 21.3 の大きい方を仮定) と 0.017 の両側アルファ レベル (ボンフェローニ調整: 0.05/3 の共主仮説) を仮定した 2 サンプル t 検定に基づいていました。 ）。

具体的な目標 1:一次分析 II および III

この研究の主な問題は、遠隔療法が言語成果を改善し、恵まれない家族の専門サービスへのアクセスを改善するかどうかを検討することであるが、研究者らは遠隔療法が低所得家族と高所得家族の間の言語成果の差を埋めることができるかどうかを研究することも目的としている。 高収入の家族を対象とした非ランダム化コホート研究（ただし追加の比較として残す）は、子供が研究に参加しているかどうかに関係なく、高収入の家族は希望に応じて補足サービスを利用できる可能性が高いことを考慮すると正当化される。 研究者らは、低所得の子供のRCTと並行して、高所得の患者を集めていく予定だ。 したがって、統計的仮説を検証することが重要です。 Ho: θ2 = 0 vs. HA: θ2 ≠ 0 ここで、θ2 は、TT を受けている低所得の子供と UC を受けている高所得の子供の間の AC 18 か月時点での差です。 Ho: θ3 = 0 vs. HA: θ3 ≠ 0 ここで、θ3 は、UC を受ける低所得の子どもと UC を受ける高所得の子どもの間の AC 18 か月時点での差です。

高所得の子供たちは、聴覚レベルと登録サイトでマッチングされます。 後者の比較では、制御変数は、AC に関連することが知られているベースライン特性 (臨床的属性や人口統計上の格差など) からも構成され、潜在的な差異は対応のある検定を使用して評価されます。 結果の軌跡が研究グループごとに異なるかどうかを評価するために、研究者は混合効果の線形回帰分析 (連続的な結果の場合) およびロジスティック回帰分析 (二値二次結果の場合) を使用します。 研究者は、時間（最大 3 回の訪問：ベースライン、9 か月、および 18 か月）の 2 次項または 3 次項を含めるか、個人のランダムな勾配を含めるかどうかをテストすることで、軌跡を柔軟にモデル化します。モデルの適合性が向上し、有意な結果が示された場合はそれらを含めます（P <0.05) 尤度比テスト。 全体的な差異は、SAS v 9.4 の F 検定と推定後の t 検定を使用して評価されます。 研究者らは時間の経過に伴うスコアの変化率も調査する予定だ。 QOL の結果を含むすべての副次的結果は、この混合モデリング アプローチを使用して評価されます。 研究者はまた、モデルの適合性 (例: 残差) を評価し、結果の変換 (例: 対数変換) が最適な適合性を提供するかどうかを評価します。 一致を説明するために、調査者はランダム効果も含めます。

研究者らはまた、個人内の変化を分離することによって、ベースライン値が交絡の影響を受けるかどうかも評価します。 混合効果モデルの利点は、この研究で必要とされるように、一部の個人で観測値が欠落している場合でも、このようなモデルが不偏推定値を生成し、微分損失を追跡調査に調整し、不規則な時間測定に対応し、個人のクラスター化を考慮できることです。 0.017 未満の両側 p 値は、統計的に有意であるとみなされます (ボンフェローニは 3 つの仮説に対して修正しました (0.05/3)。 推定値および関連する 95% 信頼区間 (複数のテストの補正された区間を含む) がレポートされます。

210 人の子供が募集されます。そのうち 70 人は高所得者です。 140 人が低所得者で、上で説明したように、70 人が TT を受け、70 人が UC を受けています。 TT および UC を受けている高所得の子供と低所得の子供を比較する推定統計検出力は、3 回の訪問による反復測定デザインによって評価されます。 これら 3 つのグループで ANOVA F 検定を行うことを前提としています。 研究者らは、相関関係 0.9、被験者間の分散 0.22、誤差分散 2、およびボンフェローニ補正アルファ レベル 0.017 を仮定し、結果として 92% の統計的検出力が得られました。 研究者らは、18 か月後の低 UC と高 UC 間のペアワイズ t 検定比較により、27.5 の差を検出する少なくとも 90% の統計的検出力が達成されると予想しています (表 1)。 Low-TT と High-UC のペアごとの t 検定について、研究者らは表 1 から検出可能な差が 10.1 であると推定し、その結果統計的検出力は 81% になります。 上記の計算はすべて、20% のドロップアウト、共線性調整 0.1 (ペアワイズ比較の場合、クラス内相関係数 0.4) を前提としています。 これらのサンプル サイズの計算は、Stata 15.1 を使用して実行されました。

具体的な目的 2:遡及二次分析

人口統計およびその他のベースライン データがリストされ、利用グループ、TT または UC ごとに説明的に要約されます。 カテゴリデータと連続データは、目的 1 で説明したように要約されます。 線形モデル（目的 1 と同様）を使用して、AC、主要アウトカム、および 18 か月時点の 6 つの差異のそれぞれの間の関連性を評価します。 異種治療効果 (HTE) は、標準的な HTE アプローチ、利用グループと各格差の間の相互作用を使用して評価されます。 格差が単独で作用するのか、それとも組み合わせて作用するのか（スペイン語を話し公的保険を受けている人など、2つ以上の格差）の調査が評価されます。 モデルの結果に影響を与える可能性のある潜在的な交絡因子 (前述) およびその他の人口統計上の差異は、感度分析を実行することによって評価されます。 研究者らはまた、目的 1 で説明した混合モデル アプローチを使用して、治療ごとの時間の相互作用を格差でフィッティングすることにより、相互作用が時間変化するかどうかを調査します。 研究者らは、HTE を検出する潜在的な統計的検出力を調査するためにシミュレーションを実行しました。 正確な推定値を得るために各シミュレーションが 1000 回繰り返され、研究者は合計 6 つの差異を含めましたが、これは分析計画と一致しています。 研究者らは、HTE の差が既知である格差の数 (2 ～ 5 の格差) とそうでない格差 (つまり、HTE の差がない) の数、および効果の大きさ (0.4 ～ 1.0) を変化させました。 合計サンプルサイズは 210 人の子供であると仮定されました。 研究者らは、約 78 人の子供が TT を利用し、132 人の子供が UC を利用すると予想しています。 研究者らはまた、家族ごとの誤り率 (FWER) が 0.05 になるのを防ぐために、ボンフェローニ補正 (0.008=0.05/6 格差) を仮定しました。 研究者らは、線形回帰モデルの主効果 (つまり、利用 TT 対 UC グループ)、格差 (二分化)、および格差と利用グループ間の交互作用効果を考慮しました。 このシミュレーションの結果は、効果の大きさに関係なく、それぞれ ES = 0.4 または ES = 1.0 の 2 つの視差については 80% を超える統計検出力があり、残りの 4 つの視差については FWER を 5% に制御することを示しました。 HTEの存在。 5 つの既知の不一致を検出するには、ES = 0.4 および ES=1.0 の場合、それぞれ 68% および 83% の統計検出力がありました。 研究者らは SAS v.9.4 を使用して統計検出力を推定しました。 20% の中退率は、UCSF の D/HH クリニックにおける D/HH の低所得児童に対する過去の 18 か月追跡率 (80%) に基づいています。 必要な 3 つの研究評価を行うには、移動と時間はかなりかかりますが、補償されます。これらの評価から得られた情報も臨床ケアに貴重な貢献をし、臨床ケアおよび早期介入チームと共有されます。 評価はまた、6～9か月ごとに直接聴覚検査を受ける必要がある子供の標準的な臨床ケアにも合わせて行われます。 有効性の比較研究として、研究者らはグループ間の汚染と非盲検計画を受け入れている。家族は、遠隔療法グループに割り当てられているかどうかに応じて、具体的にどのようなサービスを追求するかについて異なる決定を下す可能性がある。 家族は早期介入センターや地域支援グループの影響を受ける可能性があります。これらのフォーラムを介した汚染は、この研究以外のサービスの選択に影響を与え、遡及データに比べて影響の大きさが減少する可能性があります。 サービスはすべてのグループに対して慎重に評価されます。 研究者らは、治療の利用がおそらく仲介者として結果に関連しているかどうかを調査する予定である。 治療の利用が18か月時点での介入の媒介であることを示すために、研究者らは、治療の利用が主要アウトカムに対して主な影響を与えるか相互作用するかを評価する予定である。 研究者らは、曝露とメディエーターの相互作用が存在する場合の回帰モデルの直接的および間接的な影響を推定します。 クロスオーバーと汚染の考えられる影響を説明するために、研究者らは感度分析として周辺構造モデリングを実行することを検討します。