Dynamische CDSA om zieke kinderen in Rwanda te beheren (DYNAMIC-RW)

Kinderen zijn een algemeen erkende kwetsbare bevolkingsgroep die nog steeds lijdt aan een hoog aantal acute infectieziekten en vermijdbare sterfgevallen. Dit is met name het geval in de fragiele gezondheidsstelsels van Sub-Sahara Afrika, waar de sterfte onder de vijf jaar 10 keer hoger is dan in landen met hoge inkomens. De behandeling van zieke kinderen in de eerstelijnszorg in deze omgevingen blijft van onvoldoende kwaliteit, aangezien eerstelijns clinici de juiste diagnostiek, supervisie om hun vaardigheden te verbeteren en beslissingsondersteunende hulpmiddelen missen. Klinisch gevalideerde diagnostische tests voor point-of-care (POC) zijn vaak niet beschikbaar en praktijkrichtlijnen zijn snel achterhaald door nieuw bewijs en veranderende epidemiologie. Wanneer een epidemie uitbreekt, kunnen deze statische, generieke richtlijnen zelfs schadelijk worden als de gebeurtenis niet op tijd wordt gedetecteerd en in de aanbevelingen wordt geïntegreerd.

Bij gebrek aan betrouwbare begeleiding hebben gezondheidswerkers de neiging antibiotica te veel voor te schrijven (Hopkins et al. 2017, Fink et al. 2019). Ongeveer 9 op de 10 kinderen in de eerstelijnszorg in Tanzania krijgen een antibioticum, terwijl slechts 1 op de 10 er een nodig heeft (D'Acremont et al. 2014). Onjuist gebruik van antibiotica verstoort de darmflora, bevordert de proliferatie van ziekteverwekkers en verzwakt de immuunrespons van een kind (Benoun et al. 2016). Het is ook een belangrijke aanjager van antibioticaresistentie, die tegen 2050 naar schatting verantwoordelijk zal zijn voor tot wel 10 miljoen sterfgevallen per jaar (Holmes et al. 2016, Fink et al. 2019). Even belangrijk voor overmatig gebruik van antibiotica, is het ondergebruik ervan. Het missen van een kind dat een behandeling met antibiotica nodig heeft of het geven van een ongeschikt type of dosering van antibiotica aan een kind brengt het risico op vermijdbare morbiditeit en overlijden met zich mee. Hetzelfde gebeurt met antimalariamiddelen die niet altijd worden voorgeschreven aan kinderen in nood: kinderen met een positieve uitslag van de malariatest.

Verkeerde diagnoses hebben gevolgen die verder reiken dan de patiënt. Ze verhogen het percentage herbezoekers, maken de eerstelijnsgezondheidszorg verder overbelast en leiden tot economische verliezen, niet alleen voor gezinnen maar voor het hele gezondheidssysteem. Systematische fouten in gegevens op patiëntniveau stapelen zich op, en aangezien ze worden samengevoegd om indicatoren op populatieniveau te meten, kunnen ze de statistieken vertekenen die worden gebruikt om prioriteit te geven aan gezondheidsinterventies en, belangrijker nog, om epidemieën te identificeren.

De WHO heeft digitale gezondheidsinterventies en voorspellende instrumenten in de eerstelijnszorg geïdentificeerd als belangrijke versnellers bij het behalen van duurzame ontwikkelingsdoelstelling 3 voor 2030, namelijk zorgen voor een goede gezondheid en welzijn voor iedereen. Nieuwe eenvoudige en goedkope technologieën, zoals mobiele apparaten, in combinatie met de vooruitgang op het gebied van informatica en datawetenschap, kunnen verschillende van de bovengenoemde uitdagingen helpen verminderen. De voorgestelde digitale interventie is een klinisch beslissingsondersteunend algoritme (CDSA) van de derde generatie dat bedoeld is om HCW's op het niveau van de eerstelijnszorg te helpen kinderen met acute ziekten te behandelen. De eerste twee versies van het algoritme hebben strenge evaluaties ondergaan in gecontroleerde onderzoeksomstandigheden, zoals hieronder samengevat:

Het algoritme van de eerste generatie, ALMANACH genaamd, werd in 2010-2011 getest in Tanzania, met verbeterde klinische genezing (van 92% naar 97%) en een afname van het voorschrijven van antibiotica (van 84% naar 15%) in vergelijking met routinematige zorg (Shao et al. al. 2015A). ALMANACH leidde ook tot meer consistente klinische beoordelingen zonder meer tijd in beslag te nemen dan een conventioneel consult en werd door clinici gezien als "een krachtig en nuttig" hulpmiddel (Shao et al. 2015B).

Het algoritme van de tweede generatie, ePOCT genaamd, werd in 2014-2016 uitgeprobeerd in Tanzania. Naast symptomen en tekenen maakte het gebruik van verschillende POC-testen om kinderen met ernstige infecties te helpen detecteren die een ziekenhuisbehandeling vereisten (oximetrie en hemoglobinegehalte) en/of kinderen met een ernstige bacteriële infectie (CRP). Het gebruik van ePOCT resulteerde in een hogere klinische genezing (98%) in vergelijking met ALMANACH (96%) en routinematige zorg (95%). Het algoritme verminderde ook het voorschrijven van antibiotica verder tot 11%, vergeleken met 30% bij gebruik van ALMANACH en 95% bij routinezorg (Keitel et al. 2017).

Elektronische algoritmen kunnen dus met succes worden geïmplementeerd om de klinische begeleiding te verbeteren en feedback te geven aan clinici, en om bijna-realtime analyses van gegevens voor M&E van gezondheidsinterventies, ziektesurveillance en opsporing van uitbraken mogelijk te maken. Het doel van deze studie is om de klinische diagnose te verbeteren, de morbiditeit en mortaliteit van kinderen te verminderen en antimicrobiële resistentie te verminderen met behulp van nieuwe dynamische POC-technologieën die eerstelijns HCW's helpen bij het behandelen van zieke patiënten, verbeterd door slimme ziektesurveillance en uitbraakdetectiemechanismen.

Meer specifiek beoogt deze studie:

Doelstelling 1: Het geïntegreerde beheer van kinderen met een acute ziekte verbeteren door een elektronische CDSA (ePOCT+) aan te bieden aan clinici die in de eerstelijnszorg werken;

Doelstelling 2: de nauwkeurigheid van het klinische algoritme verbeteren en het aanpassen aan spatiotemporele variaties in epidemiologie en bronnen, op basis van de gegevens die zijn gegenereerd via de ePOCT+-tool, geanalyseerd met behulp van machine learning en gecontroleerd door klinische experts;

Doelstelling 3: Verbeter het informatiesysteem voor gezondheidsmanagement voor monitoring en evaluatie en het uitvoeren van ondersteunend toezicht (meer betekenisvolle indicatoren die regelmatig worden beoordeeld en actie worden ondernomen) in HF's met behulp van de klinische gegevens die zijn gegenereerd door de ePOCT+-tool en verbeterd door aanvullende gegevensanalyse en visualisatiedashboards ;

Doelstelling 4: Creëer een raamwerk voor de ontwikkeling en implementatie van dynamische CDSA- en ziektesurveillancetools, voor grootschalig, duurzaam en klinisch verantwoord gebruik van machine learning en data science.

Het primaire interventieonderzoek zal in twee fasen worden uitgevoerd.

Fase 1: open-label tweearmige, niet-gerandomiseerde, gecontroleerde superioriteitsstudie met parallelle groepen, geïmplementeerd op een gespreide/opeenvolgende manier in in totaal 32 gezondheidscentra. De interventie bestaat uit ePOCT+ Clinical Decision Support Algoritme (CDSA) weergegeven op tablets (medAL-reader), point-of-care tests en apparaten die geen deel uitmaken van de routinezorg (pulsoximeter, CRP-sneltest, extra hemoglobinecuvetten), aanvullende training over de tool, regelmatige monitoring en mentorschap/supervisiebezoeken door het onderzoeksteam en/of het Douncil Health Management Team (DHMT). Mentorschap en supervisie worden mogelijk gemaakt door een aanvullend dashboard (medAL-monitor), dat wordt gebruikt om studiegerelateerde indicatoren te visualiseren en te monitoren. Vanwege de pragmatische aard van het onderzoek is het ontwerp adaptief, in die zin dat wijzigingen in de uitvoering in de drie clusteronderzoeken kunnen worden aangebracht op basis van monitoringgegevens en feedback van de zorginstellingen. Deze implementatiewijzigingen (exclusief significante aanpassingen aan de inhoud van algoritmen) zullen grondig worden gedocumenteerd en verantwoord bij het vergelijken van de effecten van de drie clusteronderzoeken.

Fase 2: opschaling van de interventie naar meer gezondheidsfaciliteiten en transformatie naar een dynamisch algoritme in totaal tot 40 faciliteiten in Rwanda. In fase 2 wordt een adaptief onderzoeksontwerp gebruikt om dezelfde uitkomstindicatoren te meten als in fase 1. De medische inhoud van het algoritme staat niet meer vast, maar is aanpasbaar. Elke mogelijke wijziging zal eerst door de Tanzaniaanse klinische expertgroep worden beoordeeld op klinische coherentie, veiligheid en potentiële voordelen en vervolgens worden toegepast op de retrospectieve gegevens. Als deze analyses zowel een klinisch relevante positieve impact bevestigen als inschatten dat er tijdens de onderzoeksperiode voldoende toekomstige gevallen zullen zijn om deze verbetering te detecteren, zal de verandering in het algoritme worden getest in een gerandomiseerde substudie met dezelfde onderzoeksopzet als in fase 1, behalve dat randomisatie zal plaatsvinden op patiëntniveau in plaats van op het niveau van de zorginstelling. Als de positieve impact in het deelonderzoek wordt bevestigd, wordt de aanpassing doorgevoerd in alle relevante locaties/patiëntensubgroepen.

Gedurende de interventieperiode zullen aanvullende cross-sectionele mixed-methods operationele onderzoeksstudies plaatsvinden om de implementatiecontext, facilitators en belemmeringen voor de opschaling van deze interventie en de integratie ervan in het primaire gezondheidssysteem van Rwanda te bestuderen.