タンザニアの病気の子供たちを管理するダイナミック CDSA (DYNAMIC-TZ)

子どもたちは依然として高い率で急性感染症に罹患し、予防可能な死亡に苦しんでいる脆弱な集団であることはよく知られています。 これは、5歳未満の死亡率が高所得国に比べて10倍高いサハラ以南アフリカの脆弱な医療制度に特に当てはまります。 これらの環境では、第一線の臨床医が適切な診断、スキルを向上させるための監督、意思決定支援ツールを欠いているため、プライマリケアレベルでの病気の子どもの管理の質は依然として不十分です。 臨床的に検証されたポイントオブケア (POC) 診断検査は利用できないことが多く、診療ガイドラインは新しい証拠や疫学の変化によってすぐに時代遅れになります。 流行が発生した場合、その事象が時間通りに検出され、推奨事項に組み込まれない場合、これらの静的で一般的なガイドラインは有害になる可能性さえあります。

信頼できるガイダンスがない場合、医療従事者（HCW）は抗生物質を過剰に処方する傾向があります（Hopkins et al. 2017、Fink et al. 2019）。 タンザニアでは、プライマリケアレベルの子どもの 10 人中約 9 人が抗生物質を投与されていますが、抗生物質を必要とするのは 10 人に 1 人だけです (D'Acremont et al. 2014)。 不適切な抗生物質の使用は腸内細菌叢を破壊し、病原体の増殖を促進し、子供の免疫反応を弱めます(Benoun et al. 2016)。 また、これは抗生物質耐性の主な要因でもあり、2050年までに年間最大1,000万人の死亡の原因となると推定されている（Holmes et al. 2016、Fink et al. 2019）。 抗生物質の過剰使用と同様に重要なのは、その過少使用です。 抗生物質による治療が必要な子どもを行方不明にしたり、不適切な種類や用量の抗生物質を子どもに与えたりすると、予防可能な病気や死亡のリスクにさらされます。 同じことが、必要としている子供たち、つまりマラリア検査結果が陽性の子供たちに必ずしも処方されるとは限らない抗マラリア薬でも起こります。

誤診は患者を超えた影響を及ぼします。 これらは再受診率を高め、一次医療施設をさらに混雑させ、家族だけでなく医療システム全体に経済的損失をもたらします。 患者レベルのデータには系統的な誤差が蓄積され、それらが集団レベルの指標を測定するために集約されるため、医療介入の優先順位付けや、重要なことに流行の特定に使用される統計に偏りが生じる可能性があります。

WHOは、プライマリケアにおけるデジタル医療介入と予測ツールが、すべての人々の健康と幸福を確保するという2030年の持続可能な開発目標3を達成するための主要な促進手段であると特定しました。 モバイル デバイスなどの新しいシンプルで安価なテクノロジと、コンピューティングとデータ サイエンスの進歩が組み合わさることで、前述の課題のいくつかを軽減できる可能性があります。 提案されているデジタル介入は、プライマリケアレベルの医療従事者が急性疾患の小児を管理するのを支援することを目的とした第 3 世代の臨床意思決定支援アルゴリズム (CDSA) です。 アルゴリズムの最初の 2 つのバージョンは、以下に要約されているように、制御された研究条件で厳密な評価を受けています。

ALMANACH と呼ばれる第一世代のアルゴリズムは 2010 年から 2011 年にタンザニアでテストされ、日常治療と比較して臨床治癒の向上 (92% から 97% へ) と抗生物質の処方の減少 (84% から 15% へ) を達成しました (Shao et al. 2015A)。 また、ALMANACH は、従来の診察よりも時間をかけずに、より一貫した臨床評価を可能にし、臨床医によって「強力で有用な」ツールとして認識されました (Shao et al. 2015B)。

ePOCT と呼ばれる第 2 世代のアルゴリズムは、2014 年から 2016 年にタンザニアで試験されました。 症状や徴候に加えて、いくつかのPOC検査を利用して、病院での治療（酸素濃度測定とヘモグロビンレベル）を必要とする重篤な感染症の小児や重篤な細菌感染症（CRP）の小児を検出するのに役立ちました。 ePOCT の使用は、ALMANACH (96%) や日常治療 (95%) と比較して、より高い臨床治癒 (98%) をもたらしました。 このアルゴリズムにより、抗生物質の処方もさらに 11% に減少しました。これに対し、ALMANACH の使用では 30%、ルーチンケアでは 95% でした (Keitel et al. 2017)。

したがって、電子アルゴリズムをうまく実装することで、臨床指導を改善し、臨床医にフィードバックを提供できるほか、医療介入、疾患監視、アウトブレイク検出の M&E のためのデータをほぼリアルタイムで分析できるようになります。 この研究の目標は、スマート疾病監視とアウトブレイク検出メカニズムによって強化された、最前線の医療従事者による病気の患者の管理を支援する新しい動的 POC テクノロジーを使用して、臨床診断を改善し、小児の罹患率と死亡率を減少させ、抗菌薬耐性を軽減することです。

より具体的には、この研究は次のことを目指しています。

目標 1: プライマリケアレベルで働く臨床医への電子 CDSA (ePOCT+) の提供を通じて、急性疾患の小児の統合管理を改善する。

目標 2: ePOCT+ ツールを通じて生成され、機械学習を使用して分析され、臨床専門家によってチェックされたデータに基づいて、臨床アルゴリズムの精度を向上させ、疫学とリソースの時空間変動に適応させます。

目標 3: ePOCT+ ツールによって生成された臨床データと、対象を絞った微生物学的調査および機械学習パターン検出によって補完されたデータを使用して、地域 (および全国) の疾病監視およびアウトブレイク検出能力を強化する。

目標 4: 追加のデータ分析と視覚化ダッシュボードによって強化された ePOCT+ ツールによって生成された臨床データを使用して、医療施設の監視と評価、支援的な監督と指導を行うための地区 (および国) の健康管理情報システムを強化する。

目標 5: 機械学習とデータ サイエンスを大規模かつ持続可能かつ臨床的に責任を持って使用するための、動的な CDSA および疾病監視ツールの開発と実装のためのフレームワークを作成する。

一次介入研究は 2 段階で実施されます。

フェーズ 1: 40 の医療施設を対象とした実用的な非盲検クラスターランダム化比較試験。 この介入は、タブレット (medAL リーダー) に表示される ePOCT+ 臨床意思決定支援アルゴリズム (CDSA)、ポイントオブケア検査およびルーチンケアの一部ではないデバイス (パルスオキシメーター、CRP 迅速検査、追加のヘモグロビンキュベット)、補完的なもので構成されます。ツールに関するトレーニング、定期的なモニタリング、研究チームおよび/または評議会健康管理チーム（CHMT）による指導/監督訪問。 指導と監督は、研究関連の指標を視覚化し監視するために使用される補完的なダッシュボード (medAL-monitor) によって可能になります。 研究の実用的な性質により、フェーズ 1 を通じて実施の変更がモニタリング データと医療施設からのフィードバックに基づいて行われる可能性があるという点で、設計は適応的です。 これらの実装の変更 (アルゴリズムの内容に対する大幅な変更を除く) は徹底的に文書化され、長期的な分析で説明されます。

フェーズ 2: より多くの医療施設への介入のスケールアップと動的アルゴリズムへの変換 ePOCT+ ツールは、フェーズ 1 でコントロールとして機能する医療施設に拡張されるだけでなく、対象地域の追加の近隣施設にも拡張されます。合計100施設まで。 フェーズ 2 では、適応型研究デザインを使用して、フェーズ 1 と同じ結果指標を測定します。 アルゴリズムの医療内容は固定されなくなり、変更可能になります。 潜在的な各修正は、まず臨床的一貫性、安全性、潜在的な利点についてタンザニアの臨床専門家グループによって評価され、その後遡及データに適用されます。 これらの分析により、臨床的に関連するプラスの効果が確認され、研究期間中にこの改善を検出するのに十分な将来の症例があると推定される場合、アルゴリズムの変更は、フェーズと同じ研究デザインを使用して、ランダム化されたサブ研究でテストされます。ただし、ランダム化は医療施設レベルではなく患者レベルで行われます。 サブ研究でプラスの影響が確認された場合、修正は関連するすべての場所/患者サブグループに実施されます。

この介入の規模拡大とタンザニアの一次医療システムへの統合に対する実施状況、促進要因、障壁を研究するために、介入期間を通じて追加の横断的な混合方法の運用研究研究が行われる予定である。