Proof of Concept van beheer op afstand van chronische inflammatoire luchtwegziekten voor de empowerment van patiënten (PRECISION)

Het primaire doel van het onderzoek is het creëren van een Proof of Concept voor het op afstand verwerven van subjectieve/objectieve gegevens voor patiënten met astma en CRS. In de huidige standaard klinische beoordeling van patiënten met chronische ziekten zoals astma en CRS zijn er twee hoofdcomponenten: één subjectief (aangeleverd door de patiënt) en één objectief (aangeleverd door de arts). In het bijzonder worden subjectieve gegevens verkregen via gestandaardiseerde PROMs (zoals SNOT-22 voor CRS en ACT voor astma). Het verzamelen van objectieve gegevens wordt verkregen door middel van klinische evaluaties, zoals endoscopische evaluatie, olfactometrie, radiologische evaluatie (met de definitie van de Lund-Mackey-score), meting van de neusstroom (meestal via PNIF of rhinomanometrie), cytologie, bloedonderzoek (in het bijzonder aantal eosinofielen en IgE), FeNO (gefractioneerd uitgeademd stikstofmonoxide). Voor de juiste behandeling en opvolging van de ziekte zijn beide soorten gegevens tegelijkertijd nodig en vooral is de kwaliteit van de metingen cruciaal.

Het primaire doel van het project is om te kwantificeren hoeveel de ervaring van de patiënt bij het op afstand beheren van een deel van zijn ziekte verbetert in vergelijking met een ziekenhuisbezoek.

Dit zal kwantitatief worden beoordeeld door middel van het afnemen van "PREM's" (Patient-Reported Experience Measures)-vragenlijsten. In het bijzonder zullen de onderzoekers, in overeenstemming met de stand van de techniek, de patiënttevredenheid evalueren op basis van twee vragenlijsten:

• CSQ8 (Client Satisfaction Questionnaire): geeft een kwantitatieve evaluatie van de behandeling
• PSSUQ (Post-Study System Usability Questionnaire): biedt een kwantitatieve beoordeling van de geschiktheid van de gebruikte technologie. Ten slotte zullen de onderzoekers de tevredenheid van patiënten beoordelen omdat ze gedeeltelijk vanuit huis worden gevolgd via een ad-hocvragenlijst.

Secundaire doelstelling:

Evaluatie van de beste kanalen voor het beheer van PROM's op basis van leeftijdsgroep en cultureel niveau.

PROM's leggen de perceptie van iemands gezondheid vast door middel van vragenlijsten, spelen een beslist overheersende rol in de klinische evaluatie van patiënten met CRS en astma volgens de nieuwe classificatiesystemen en vormen het steunpunt van het subjectieve deel (bijv. SinoNasale uitkomsttest (SNOT), astmacontroletest (ACT), chemosensorische klachtenscore (CCS)). Gezien het tijdrovende karakter van het invullen van PROM’s en het gemak waarmee ze op afstand kunnen worden uitgevoerd, worden steeds meer PROM’s online afgeleverd (bijvoorbeeld met websiteformulieren). Het probleem met een dergelijke modaliteit in de echte wereldcontext is de therapietrouw van de patiënt in de loop van de tijd, aangezien de lage morbiditeit van gecontroleerde ziekten in verband kan worden gebracht met een verminderde motivatie. Bovendien hebben patiënten mogelijk behoefte aan opheldering over specifieke vragen van beroepsbeoefenaren in de gezondheidszorg, die bijdragen aan de oorzaken waarvoor PROM's vandaag de dag nog steeds in veel ziekenhuizen worden toegediend.

In dit project worden drie verschillende kanalen geëvalueerd:

Sociale netwerkchatbots: Chatbots zijn ‘online dialoogsystemen tussen mens en computer’ in natuurlijke taal. De technologie achter chatbots is tegenwoordig behoorlijk complex en omvat de gebieden van natuurlijke taalverwerking, het genereren van reacties en dialoogbeheer. Ons doel is om het gebruik van chatbots te evalueren om de betrokkenheid te vergroten en uitleg over PROM’s te implementeren. De chatbot zal ook worden ingezet voor medische stoffelijke resten, wat de opvolgingstrouw helpt verbeteren. Door gebruik te maken van bestaande sociale netwerken (bijv. Whatsapp, Telegram) hebben patiënten geen specifieke training nodig omdat ze al gewend zijn aan het gebruik van instant messaging-applicaties.

Phonebot is een telefoonsysteem dat inkomende en uitgaande telefoongesprekken afhandelt, evenals de interne communicatie van een organisatie. De onderzoekers zullen de effectiviteit evalueren van het gebruik van telefoongesprekken om de enquête in te vullen die vereist is voor PROM's. Het geëvalueerde systeem maakt gebruik van synthetische stem om vragen aan patiënten te stellen en spraak-/toonherkenning om antwoorden vast te leggen.

Mobiele app: De beschikbaarheid van speciale apps op smartphones en de mogelijkheden die deze technologie biedt (pushmeldingen, gepersonaliseerde graphics en bruikbaarheid) is een ander mogelijk kanaal voor het beheer van PROMs. De onderzoekers zullen de effectiviteit van dit kanaal evalueren om de reacties van de PROM's te verkrijgen.

De kanalen zullen aan verschillende patiënten worden aangeboden met als doel:

• Begrijp welk kanaal betere naleving biedt, zoals de persistentie van gegevensverzameling in de loop van de tijd
• Begrijp of het kanaal een verschil laat zien in de kwaliteit van de gegevens die zijn verkregen via de basisgegevensverzameling en klinische monitoring
• Begrijpen welk kanaal het meest geschikt is voor een specifiek patiëntprofiel, en analyseert de correlatie van de activiteit met de leeftijd en opleiding van het individu
• Evaluatie van de empowerment van de patiënt door het gebruik van het kanaal Technieken voor het verkrijgen van objectieve luchtstroomgegevens met behulp van niet-invasieve technieken zal ook worden geëvalueerd.

Ademhalingsmonitoring is een essentieel hulpmiddel bij de vroege diagnose van ademhalings- en hart- en vaatziekten. In het bijzonder is de ademhalingsfrequentie van cruciaal belang voor het monitoren van de evolutie van ademhalingsstoornissen, zoals chronische obstructieve longziekte (COPD), chronische rhinosinusitis (CRS), astma of de recente ziekte van COVID-19. De ademhaling wordt doorgaans gevolgd via een spirometrietest die de ademhalingsstromen meet en bijgevolg de ademhalingsvolumes en -frequenties schat. Het kan echter alleen worden uitgevoerd in een ziekenhuis onder toezicht van een zorgverlener en vereist dat de patiënt op een gecontroleerde manier ademt terwijl hij neus- of orale sondes draagt. Draagbare en huidvriendelijke technologieën kunnen interessante alternatieven bieden om dergelijk ongemak te verzachten. Met name batterijloze ultrahoge frequentie (UHF) radiofrequentie-identificatie (RFID)-apparaten zouden minimaal invasieve, gebruiksvriendelijke en goedkope diagnostische procedures kunnen bieden.

Daarom zal het project technieken overwegen voor de objectieve beoordeling van de luchtstroom, en in het bijzonder:

• bij astma het geforceerde uitademingsvolume in één seconde (FEV1) en de piekuitademingsstroom (PEF)
• bij CRS lijkt de nasale piekinspiratoire flow (PNIF) betrouwbaarder dan (anterieure actieve) rhinomanometrie (AAR) en akoestische rhinometrie (AR) i) een in de handel verkrijgbare draagbare spirometer zal worden gebruikt om PEF en FEV op afstand te meten, met een intuïtieve APP die helpt patiënten bij het verstrekken van gegevens, het ontvangen ervan en het doorsturen ervan naar het ziekenhuis ii) dezelfde hardware kan worden gebruikt voor het meten van de PNIF, door een aanpassing van de software en aansluitbare neusmaskers die op de markt verkrijgbaar zijn. Als gevolg hiervan zal een draagbaar apparaat met dubbele functie dat geschikt is voor beoordeling op afstand van de functie van de bovenste en onderste luchtwegen beschikbaar zijn door de beschikbare technologie te hergebruiken en aan te passen.

De verwachte resultaten van deze specifieke doelstelling zijn:

• definitie van het ademhalingspatroon van de patiënt met behulp van beschikbare hulpmiddelen en betrouwbaarheid voor de vroege diagnose van afwijkende gebeurtenissen;
• onafhankelijke analyse van de prestaties van de neusgaten en beoordeling van de betrouwbaarheid van het verkrijgen van een analoog van PNIF;
• evaluatie van de betrouwbaarheid van de instrumenten bij de definitie van gelijkwaardige spirometrische parameters.

Gegevensbeheer zal plaatsvinden volgens de regels die zijn vastgelegd in de Health Information Portability and Accountability Act (HIPAA) en in Europa door de Algemene Verordening Gegevensbescherming (AVG).

De in dit project geteste benaderingen op afstand zullen een enorme hoeveelheid echte gegevens genereren voor analyse. Er zal een specifiek datamanagementplan worden ontwikkeld om vooraf de methoden voor het verzamelen, beheren en beschermen van klinische onderzoeksgegevens te definiëren. Het plan zal specifieke doelstellingen voor het verzamelen van gegevens, het gegevenstype en de locatie, de toegang tot de gegevens, de rollen en verantwoordelijkheden definiëren, waardoor het onderzoeksteam een ​​grondig inzicht krijgt in de vereisten.

Een sleutelrol zal worden gespeeld door het REDCap-platform (Research Electronic Data Capture), dat zal worden gebruikt om gegevens correct te verzamelen en te beheren. Dit is een beveiligde websiteapplicatie, die voldoet aan vele standaarden zoals FISMA en HIPAA, ontwikkeld om gegevens voor klinisch onderzoek te beheren.

Tijdens de experimenten zullen de gegevens op 2 manieren worden verzameld: één manier zal standaard zijn met het verwerven van subjectieve informatie (PROM) en objectieve informatie (luchtstromen, klinische en endoscopische bevindingen) en daaropvolgende gegevensinvoer. De andere modus zal profiteren van speciaal gecreëerde pijplijnen en zal het mogelijk maken gegevens rechtstreeks via MHT (Mobile Health Technology) en, in het geval van phonebots, rechtstreeks via de cloud te verkrijgen, en zal daarom volledig geautomatiseerd zijn. Dit zal de hoeveelheid gegevens die mogelijk via deze tweede modaliteit wordt verkregen drastisch vergroten, zonder logistieke beperkingen en grotere mogelijkheden, door met big data te werken, om betrouwbare voorspellende modellen te bouwen voor de ziekten die worden onderzocht.

Het project zal speciale datapijplijnen ontwikkelen die automatisch worden gevuld met PROM's en luchtstroomgegevens verkregen via MHT in de Redcap-database.

De phonebot en chatbot zullen gebruik maken van cloudoplossingen zoals Twilio (Communicatie API’s voor SMS, Voice, Video & Authenticatie n.d.) of Amazon Connect (dat op zijn beurt gebaseerd is op Twilio). Deze systemen begonnen als Private Branch Exchanges (dat wil zeggen zakelijke telefoonsystemen die inkomende en uitgaande oproepen beheren) en zijn geëvolueerd naar communicatiesystemen met meerdere kanalen. Ze integreren nu telefonie, sms, chatbots met verschillende Instant Messaging-kanalen, realtime videostreaming en e-mailsystemen. Bovendien integreren ze ook verschillende gerelateerde technologieën, zoals kunstmatige intelligentiesystemen om gesprekken te beheren, spraaksynthesesystemen, gegevensstroom en hulpmiddelen voor het samenstellen van dialogen.

De onderzoekers zullen dergelijke systemen vanuit verschillende perspectieven gebruiken. Ten eerste dwingt Whatsapp zijn klanten vanwege hun bedrijfsbeleid om resellers (zoals Twilio) te gebruiken om toegang te krijgen tot Whatsapp Business API's die anders niet rechtstreeks door ons kunnen worden bereikt. Ten tweede kunnen dergelijke cloudsystemen binnen enkele minuten worden opgeschaald naar miljoenen gebruikers door het gebruik van cloud computing, wat erg handig is omdat het project de ambitie heeft om gemakkelijk te worden gerepliceerd. Tenslotte maken oplossingen als Amazon Connect gebruik van geavanceerde Artificial Intelligence-oplossingen (natuurlijke taalverwerking) die worden gedeeld en vervolgens op effectiviteit worden getest met het populaire product 'Amazon Alexa'. Er zullen op maat gemaakte mobiele applicaties worden ontwikkeld om vragenlijsten aan patiënten te verstrekken. Deze applicaties zullen worden uitgebracht op Android- en iOS-platforms. Al deze toepassingen zullen samen met de projectpartners worden ontworpen om de specificaties van de eindige toestandsmachine af te leiden en de gebruiksstromen te verduidelijken.

Statistisch plan Bij de planning van de drie klinische onderzoeken werd rekening gehouden met de gewenste statistische power, de korte doorlooptijd van het project (slechts 2 jaar) en het feit dat de drie klinische onderzoeken ook 'de facto' zijn. Proof of concept voor een zeer innovatieve aanpak met de ambitie om de dagelijkse aanpak van twee veel voorkomende chronische ziekten te veranderen en een keerpunt te bereiken in de richting van echte empowerment van de patiënt.

Om voor klinisch onderzoek 1 een betrouwbaarheidsniveau van 95% en een betrouwbaarheidsinterval van 15 te bereiken, werd de vereiste steekproefomvang geschat op 40.

Wat klinische studie 2 betreft, wilden de onderzoekers een studie opzetten die een verschil van 20% tussen de armen zou kunnen detecteren, waarvoor, omdat het een studie met vier armen betreft, 12 patiënten per arm voldoende zouden zijn. Maar omdat het een onderzoek met vier armen betreft, moet er ook enige correctie worden toegepast (zelfs een Bonferroni-correctie) en, indien toegepast op de alfawaarde, zes mogelijke vergelijkingen (niet alleen van de behandelingsgroepen met de controlegroep, maar ook tussen behandelingsgroepen) zou de alfawaarde gaan van 0,05 naar ongeveer 0,009, dus vonden de onderzoekers het nuttig om elke arm te verhogen tot 20 proefpersonen (totaal aantal proefpersonen 80).

Ten slotte wilden de onderzoekers voor klinische proef 3 verschillen van 25% in luchtstroommetingen kunnen detecteren tussen de standaard tests op kantoor en de twee thuissystemen, waarvoor een steekproefomvang van 15 patiënten vereist is.

Om statistisch significante verschillen voor de primaire eindpunten te evalueren, zullen de onderzoekers gebruik maken van:

Voor onderzoek 1, waarbij het primaire eindpunt de patiënttevredenheid R-Square, Chi-Square, Pearson-test en Fisher-exact-test is, wordt de tevredenheid van patiënten in de behandelgroep vergeleken met de controlegroep. De alfawaarde wordt ingesteld op 0,05.

De analyse zal worden toegepast op de eerder genoemde vragenlijsten (PREM's), om de verbetering te kwantificeren in termen van patiëntervaring die wordt behandeld met MHT (spirometers en PROM's) in vergelijking met het huidige scenario waarin alleen periodieke persoonlijke bezoeken aan het ziekenhuis plaatsvinden.

Voor proef 2 zullen de onderzoekers, om het primaire eindpunt, namelijk het voltooiingspercentage van de vragenlijsten in de vier armen, te evalueren, ANOVA gebruiken gevolgd door t-tests om de zes mogelijke vergelijkingen tussen de zes groepen uit te voeren. Voor ANOVA wordt een alfawaarde van 0,05 gebruikt, terwijl voor enkelvoudige vergelijkingen een Bonferroni-aanpassing wordt toegepast, waardoor de alfa op 0,009 komt.

De volgende verdiensten worden beoordeeld:

• voltooiingspercentage: hoeveel vragenlijsten zijn ingevuld, uitvalpercentage;
• kwaliteit van de antwoorden: ook uitgevoerd door de analyse van meta-informatie (bijv. "gouden vragen") en het gebruik van de samenstelling van de vragenlijsten in het ziekenhuis als grondwaarheid;
• beste kanaal voor het beheer van PROMs met betrekking tot het technologische profiel van de patiënt: Phonebot, Instant Messaging en speciale apps;
• empowerment van patiënten door middel van vragenlijsten. Voor proef 3 zal de non-inferioriteitshypothese worden getest door metingen op afstand te vergelijken met standaard ambulante tests via gepaarde t-tests. Alfa wordt ingesteld op 0,05.

De secundaire eindpunten zullen worden geëvalueerd met dezelfde software (JMP van het SAS-instituut) met geschikte statistische hulpmiddelen.

Ten slotte zullen de gevonden geaggregeerde gegevens het onderwerp vormen van wetenschappelijke publicaties, waardoor de algemene kennis over het onderwerp wordt verrijkt en daardoor secundair statistisch gebruik van de gegevens mogelijk wordt.