患者のエンパワーメントのための慢性炎症性気道疾患の遠隔管理の概念実証 (PRECISION)

この研究の主な目的は、喘息およびCRS患者の主観的/客観的データを遠隔から取得するための概念実証を作成することです。 喘息や CRS などの慢性疾患患者の現在の標準的な臨床評価には、主観的 (患者によって提供される) と客観的 (医師によって提供される) という 2 つの主要な要素があります。 特に、主観的なデータは標準化された PROM (CRS の場合は SNOT-22、喘息の場合は ACT など) を介して取得されます。 客観的なデータの収集は、内視鏡による評価、嗅覚測定、放射線学的評価（ルンド・マッキースコアの定義による）、鼻水の測定（通常はPNIFまたは鼻腔内圧測定による）、細胞診、血液検査（特に好酸球数と IgE)、FeNO (分別呼気一酸化窒素)。 病気の正しい治療と経過観察には両方のタイプのデータが同時に必要であり、何よりも測定の品質が重要です。

このプロジェクトの主な目的は、病気の一部をリモートで管理する患者の経験が、病院に行く場合と比べてどれだけ改善されるかを定量化することです。

これは、「PREM」（患者報告経験測定）アンケートの管理を通じて定量的に評価されます。 特に、最新技術に従って、研究者は 2 つのアンケートに基づいて患者の満足度を評価します。

• CSQ8 (クライアント満足度アンケート): 治療の定量的評価を提供します。
• PSSUQ (研究後のシステム使用性アンケート): 使用されたテクノロジーの適切性の定量的評価を提供します。 最後に、研究者は、特別なアンケートを通じて部分的に自宅から追跡される患者の満足度を評価します。

二次的な目的:

年齢層と文化レベルに基づいた PROM の管理に最適なチャネルの評価。

PROM は、アンケートを通じて自分の健康に対する個人の認識を収集し、新しい分類システムによる CRS および喘息患者の臨床評価において明らかに重要な役割を果たし、主観的な部分 (例: 健康状態) の中心となります。 鼻腔アウトカムテスト（SNOT）、喘息コントロールテスト（ACT）、化学感覚苦情スコア（CCS））。 PROM の完成には時間がかかり、リモートで簡単に実行できるため、オンライン (Web サイトのフォームなど) で提供される PROM がますます増えています。 現実世界の状況におけるこのようなモダリティの問題は、管理された疾患の罹患率の低さがモチベーションの低下に関連している可能性があるため、長期にわたる患者のコンプライアンスです。 さらに、患者は医療専門家からの特定の質問についての説明を必要とする場合があり、それが今日でも多くの病院で PROM が投与されている原因の一因となっています。

このプロジェクトでは、3 つの異なるチャネルが評価されます。

ソーシャル ネットワーク チャットボット: チャットボットは、「自然言語による人間とコンピューターのオンライン対話システム」です。 現在のチャットボットを支えるテクノロジーは非常に複雑で、自然言語処理、応答生成、対話管理の分野に及びます。 私たちの目標は、エンゲージメントを高め、PROM の説明を実装するためにチャットボットの使用を評価することです。 チャットボットは医療遺骨にも使用され、フォローアップのアドヒアランスの向上に役立ちます。 既存のソーシャル ネットワークを使用する（例: Whatsapp、Telegram)、患者はインスタント メッセージング アプリケーションの使用にすでに慣れているため、特別なトレーニングは必要ありません。

Phonebot は、電話の発着信と組織の内部コミュニケーションを処理する電話システムです。 調査員は、PROM に必要な調査を完了するために電話を使用する有効性を評価します。 評価されたシステムは、合成音声を使用して患者に質問を発し、音声/トーン認識を使用して応答をキャプチャします。

モバイル アプリ: スマートフォンでの専用アプリの利用可能性と、このテクノロジによってもたらされる可能性 (プッシュ通知、パーソナライズされたグラフィックス、使いやすさ) は、PROM を管理するためのもう 1 つの可能なチャネルです。 研究者は、PROM の応答を取得するためのこのチャネルの有効性を評価します。

このチャネルは、次の目的でさまざまな患者に提供されます。

• 時間の経過に伴うデータ取得の持続性など、どのチャネルがより優れたコンプライアンスを実現するかを理解する
• ベースラインデータの取得と臨床モニタリングを通じて取得されたデータの品質にチャネルの違いが見られるかどうかを理解する
• 特定の患者プロファイルにどのチャネルが最も適しているかを理解し、活動と個人の年齢および教育の相関関係を分析します。
• チャネルの使用によって提供される患者のエンパワーメントの評価 非侵襲的技術を使用して客観的な気流データを取得する技術も評価されます。

呼吸モニタリングは、呼吸器疾患や心血管疾患の早期診断に不可欠なツールです。 特に、呼吸数は、慢性閉塞性肺疾患 (COPD)、慢性鼻副鼻腔炎 (CRS)、喘息、または最近の 新型コロナウイルス感染症 (COVID-19) などの呼吸器疾患の進行をモニタリングするために重要です。 呼吸は通常、呼吸の流れを測定し、その結果として呼吸量と呼吸速度を推定するスパイロメトリー検査で監視されます。 ただし、これは医療従事者の監督の下で病院でのみ実行でき、患者は鼻または経口プローブを装着しながら制御された方法で呼吸する必要があります。 ウェアラブルで肌に優しいテクノロジーは、そのような不快感を軽減する興味深い代替手段を提供する可能性があります。 特に、バッテリー不要の超短波 (UHF) 無線周波数識別 (RFID) デバイスは、侵襲性が最小限で使いやすく、低コストの診断手順を提供できる可能性があります。

したがって、プロジェクトでは、気流の客観的評価のための技術、特に以下を検討します。

• 喘息の場合、1 秒間の努力呼気量 (FEV1) と最大呼気流量 (PEF)
• CRS では、鼻ピーク吸気流量 (PNIF) は、(前方能動的) 鼻圧測定 (AAR) や音響鼻圧測定 (AR) よりも信頼性が高いと思われます。 i) 市販のポータブル肺活量計を使用して、PEF、FEV をリモートで測定します。患者がデータを提供し、受信し、病院に転送するのを支援します。 ii) ソフトウェアと市販の接続可能な鼻マスクを適応させることで、同じハードウェアを PNIF の測定に使用できます。 その結果、利用可能な技術を再利用して適応させることにより、上気道機能と下気道機能の遠隔評価に適したポータブル二重機能デバイスが利用可能になります。

この特定の目的で期待される結果は次のとおりです。

• 異常事象の早期診断のための利用可能なツールと信頼性を使用した患者の呼吸パターンの定義。
• 鼻孔の性能の独立した分析およびPNIFの類似体を取得する信頼性の評価。
• 同等の肺活量測定パラメータの定義における機器の信頼性の評価。

データ管理は、医療情報ポータビリティおよび説明責任法 (HIPAA) によって定義されている規則に従って行われ、ヨーロッパでは一般データ保護規則 (GDPR) によって定義されます。

このプロジェクトでテストされたリモート アプローチでは、分析用に膨大な量の実データが生成されます。 臨床研究データの収集、管理、保護方法を事前に定義するための具体的なデータ管理計画が策定されます。 この計画では、具体的なデータ収集の目的、データの種類と場所、データ アクセス、役割と責任を定義し、研究チームが要件を完全に理解できるようにします。

重要な役割を担うのは、データを正しく収集および管理するために使用される REDCap (Research Electronic Data Capture) プラットフォームです。 これは、臨床研究用のデータを管理するために開発された、FISMA や HIPAA などの多くの標準に準拠した安全な Web サイト アプリケーションです。

実験中、データは 2 つの方法で収集されます。1 つは標準的な方法で、主観的情報 (PROM) と客観的情報 (気流、臨床所見および内視鏡所見) を取得し、その後データを入力します。 もう 1 つのモードでは、特別に作成されたパイプラインの恩恵を受け、MHT (モバイル ヘルス テクノロジー) 経由で直接データを取得できるようになり、フォンボットの場合はクラウド経由で直接データを取得できるため、完全に自動化されます。 これにより、この 2 番目のモダリティを通じて取得される可能性のあるデータの量が大幅に増加し、ロジスティクス上の制限がなく、ビッグデータと連携して研究対象の疾患に対する信頼できる予測モデルを構築できる可能性が高まります。

このプロジェクトでは、PROM と MHT 経由で取得された気流データが Redcap データベースに自動的に入力される専用のデータ パイプラインを開発します。

フォンボットとチャットボットは、Twilio (SMS、音声、ビデオ、認証用の通信 API) や Amazon Connect (Twilio をベースとしている) などのクラウド ソリューションを使用します。 これらのシステムは構内交換機 (つまり、発着信を管理するビジネス電話システム) として始まり、マルチチャネル通信システムへと進化してきました。 現在では、電話、SMS、チャットボットをさまざまなインスタント メッセージング チャネル、リアルタイム ビデオ ストリーミング、電子メール システムと統合しています。 さらに、会話を管理する人工知能システム、音声合成システム、データフロー、対話構成ツールなど、いくつかの関連テクノロジーも統合しています。

調査員は、このようなシステムをさまざまな観点から便利に活用していきます。 まず、Whatsapp の会社ポリシーにより、Whatsapp は顧客に、再販業者 (Twilio など) を使用して、当社が直接アクセスできない Whatsapp Business API にアクセスすることを強制します。 第 2 に、このようなクラウド システムは、クラウド コンピューティングを使用することで数百万のユーザーに数分で拡張できる機能を備えており、プロジェクトが簡単に複製できるという目標を持っているため、これは非常に便利です。 最後に、Amazon Connect などのソリューションは、最先端の人工知能 (自然言語処理) ソリューションを利用しており、人気のある「Amazon Alexa」製品と共有され、有効性がテストされています。 患者にアンケートを提供するために、カスタマイズされたモバイル アプリケーションが開発されます。 これらのアプリケーションは、Android および iOS プラットフォームでリリースされます。 これらすべてのアプリケーションは、有限状態マシンの仕様を導き出し、使用フローを明確にするために、プロジェクト パートナーと協力して設計されます。

統計計画 3 つの臨床研究の計画は、望ましい統計検出力、プロジェクト完了までの短い期間 (わずか 2 年)、および 3 つの臨床研究が「事実上」であるという事実を考慮して行われました。この革新的なアプローチは、2 つの非常に一般的な慢性疾患の日常管理を変え、真の患者のエンパワーメントに向けた転換点を達成するという目標を掲げています。

臨床試験 1 では、95% の信頼水準と 15 の信頼区間を達成するために必要なサンプル サイズは 40 と推定されました。

臨床研究 2 に関しては、研究者らはアーム間の 20% の違いを検出できる研究を設定したいと考えました。これには、4 アームの研究であるため、各アームに 12 人の患者があれば十分です。 しかしまた、これは 4 群研究であるため、何らかの補正 (ボンフェローニ補正でも) を適用する必要があり、アルファ値に適用する場合は、6 つの可能な比較 (治療群と対照群だけでなく、治療グループ間で）アルファ値は 0.05 から約 0.009 になるため、研究者らは各群の被験者を 20 名（被験者の合計数 80）に増やすことが有用であると考えました。

最後に、臨床試験 3 では、研究者らは、標準的なオフィス内検査と 2 つの家庭用システムの間の気流測定値の 25% の違いを検出できるようにしたいと考えました。このためには、15 人の患者のサンプルサイズが必要です。

主要エンドポイントの統計的に有意な差を評価するために、研究者は以下を使用します。

試験 1 では、主要評価項目が患者満足度である場合、対照群と比較した治療群の患者の満足度を評価するための R 2 乗、カイ 2 乗、ピアソン検定、およびフィッシャー直接確率検定を使用します。 アルファ値は 0.05 に設定されます。

この分析は、病院への定期的な直接訪問のみを含む現在のシナリオと比較して、MHT (肺活量計および PROM) を使用して治療された患者体験の改善を定量化するために、前述のアンケート (PREM) に適用されます。

試験 2 では、4 つの群におけるアンケートの回答率である主要評価項目を評価するために、研究者は ANOVA に続いて t 検定を使用して、6 つのグループ間で 6 つの可能な比較を実行します。 ANOVA の場合はアルファ値 0.05 が使用されますが、単一の比較の場合はボンフェローニ調整が適用され、アルファは 0.009 になります。

次の性能数値が評価されます。

• 完了率: 完了したアンケートの数、ドロップオフ率。
• 回答の質: メタ情報の分析を通じても実行されます (例: 「黄金の質問」）、病院内のアンケートの編集をグラウンドトゥルースとして使用します。
• 患者の技術的プロファイルに応じた PROM の管理に最適なチャネル: Phonebot、インスタント メッセージング、専用アプリ。
• アンケートを通じた患者のエンパワーメント。 試験 3 では、非劣性仮説は、対応のある t 検定を介して遠隔測定と標準的な外来検査を比較することによって検定されます。 アルファは 0.05 に設定されます。

二次エンドポイントは、適切な統計ツールを備えた同じソフトウェア (SAS 研究所の JMP) で評価されます。

最後に、見つかった集約データは科学出版物の主題となり、そのテーマに関する一般的なノウハウが強化され、データの二次的な統計的使用が可能になります。