Dowód koncepcji zdalnego zarządzania przewlekłymi zapalnymi chorobami dróg oddechowych w celu wzmocnienia pozycji pacjenta (PRECISION)

Głównym celem badania jest stworzenie dowodu koncepcji umożliwiającego zdalne pozyskiwanie subiektywnych/obiektywnych danych dla pacjentów chorych na astmę i CRS. W obecnej standardowej ocenie klinicznej pacjentów z chorobami przewlekłymi, takimi jak astma i CRS, istnieją dwa główne elementy, jeden subiektywny (dokonywany przez pacjenta) i jeden obiektywny (dokonywany przez lekarza). W szczególności dane subiektywne są pozyskiwane za pomocą standaryzowanych PROMów (takich jak SNOT-22 dla CRS i ACT dla astmy). Zbiór obiektywnych danych uzyskuje się poprzez badania kliniczne, takie jak ocena endoskopowa, olfaktometria, ocena radiologiczna (z definicją skali Lund-Mackeya), pomiar przepływu nosowego (najczęściej metodą PNIF lub rynomanometrią), cytologia, badania krwi (w szczególności liczba eozynofili i IgE), FeNO (frakcjonowany wydychany tlenek azotu). Obydwa rodzaje danych są potrzebne jednocześnie do prawidłowego leczenia i obserwacji choroby, a przede wszystkim kluczowa jest jakość pomiarów.

Podstawowym celem projektu jest ilościowe określenie, w jakim stopniu doświadczenie pacjenta w leczeniu części choroby na odległość poprawia się w porównaniu z wizytą w szpitalu.

Zostanie to ocenione ilościowo za pomocą kwestionariuszy „PREM” (miar doświadczenia zgłaszanego przez pacjenta). W szczególności, zgodnie ze stanem wiedzy, badacze będą oceniać satysfakcję pacjentów na podstawie dwóch kwestionariuszy:

• CSQ8 (Kwestionariusz Satysfakcji Klienta): zapewnia ilościową ocenę leczenia
• PSSUQ (kwestionariusz użyteczności systemu po badaniu): zapewnia ilościową ocenę stosowności zastosowanej technologii. Na koniec badacze ocenią satysfakcję pacjentów z częściowego monitorowania ich w domu za pomocą kwestionariusza ad hoc.

Cel dodatkowy:

Ocena najlepszych kanałów do administrowania PROMami w oparciu o grupę wiekową i poziom kulturowy.

PROM rejestrują sposób, w jaki człowiek postrzega swój stan zdrowia za pomocą kwestionariuszy, odgrywają zdecydowanie dominującą rolę w ocenie klinicznej pacjentów z CRS i astmą według nowych systemów klasyfikacji i stanowią podstawę części subiektywnej (np. Test wyników sinonosowych (SNOT), test kontroli astmy (ACT), wynik skarg chemosensorycznych (CCS)). Biorąc pod uwagę czasochłonność wypełniania PROMów i łatwość, z jaką można je wykonać zdalnie, coraz więcej PROMów dostarcza się online (np. za pomocą formularzy na stronie internetowej). Problemem związanym z taką modalnością w kontekście rzeczywistym jest przestrzeganie zaleceń przez pacjenta w miarę upływu czasu, ponieważ niska zachorowalność w przypadku kontrolowanej choroby może wiązać się ze zmniejszoną motywacją. Ponadto pacjenci mogą potrzebować wyjaśnień dotyczących konkretnych pytań ze strony pracowników służby zdrowia, które mają wpływ na przyczyny, dla których PROM są nadal stosowane w wielu szpitalach.

W tym projekcie ocenie zostaną poddane trzy różne kanały:

Chatboty w sieciach społecznościowych: Chatboty to „internetowe systemy dialogu człowiek-komputer w języku naturalnym”. Technologia stojąca obecnie za chatbotami jest dość złożona i obejmuje obszary przetwarzania języka naturalnego, generowania odpowiedzi i zarządzania dialogami. Naszym celem jest ocena wykorzystania chatbotów w celu zwiększenia zaangażowania i wdrożenie objaśnień PROMów. Chatbot będzie również używany w przypadku pozostałości medycznych, co pomoże poprawić przestrzeganie zaleceń kontrolnych. Korzystając z istniejących sieci społecznościowych (np. Whatsapp, Telegram) pacjenci nie potrzebują specjalnego szkolenia, ponieważ są już przyzwyczajeni do korzystania z komunikatorów.

Phonebot to system telefoniczny obsługujący przychodzące i wychodzące połączenia telefoniczne oraz komunikację wewnętrzną organizacji. Badacze ocenią skuteczność wykorzystania rozmów telefonicznych do wypełnienia ankiety wymaganej w przypadku PROMów. Oceniany system wykorzystuje głos syntetyczny do zadawania pytań pacjentom oraz rozpoznawanie mowy/tonu w celu przechwytywania odpowiedzi.

Aplikacja mobilna: Dostępność dedykowanych aplikacji na smartfony i możliwości, jakie daje ta technologia (powiadomienia push, personalizowana grafika i użyteczność) to kolejny możliwy kanał administrowania PROMami. Badacze ocenią skuteczność tego kanału w pozyskiwaniu odpowiedzi z PROMów.

Kanały będą udostępniane różnym pacjentom w celu:

• Dowiedz się, który kanał zapewnia lepszą zgodność, np. trwałość gromadzenia danych w czasie
• Zrozumienie, czy kanał wykazuje różnicę w jakości danych uzyskanych w wyniku gromadzenia danych wyjściowych i monitorowania klinicznego
• Zrozumienie, który kanał jest najbardziej odpowiedni dla konkretnego profilu pacjenta, analiza korelacji aktywności z wiekiem i wykształceniem jednostki
• Ocena wzmocnienia pozycji pacjenta dzięki wykorzystaniu kanału. Ocenione zostaną również techniki uzyskiwania obiektywnych danych o przepływie powietrza przy użyciu technik nieinwazyjnych.

Monitorowanie oddechu jest niezbędnym narzędziem we wczesnej diagnostyce chorób układu oddechowego i układu krążenia. W szczególności częstość oddechów ma kluczowe znaczenie dla monitorowania rozwoju chorób układu oddechowego, takich jak przewlekła obturacyjna choroba płuc (POChP), przewlekłe zapalenie zatok przynosowych (CRS), astma czy niedawna choroba COVID-19. Oddychanie jest zwykle monitorowane w ramach badania spirometrycznego, które mierzy przepływy oddechowe, a w konsekwencji szacuje objętości i częstości oddechów. Można je jednak wykonać wyłącznie w szpitalu pod nadzorem lekarza i wymaga to kontrolowanego oddychania pacjenta podczas noszenia sond nosowych lub ustnych. Technologie noszenia i przyjazne dla skóry mogą oferować interesujące alternatywy w celu złagodzenia takiego dyskomfortu. W szczególności bezbateryjne urządzenia do identyfikacji radiowej (RFID) o ultrawysokiej częstotliwości (UHF) mogłyby zapewnić minimalnie inwazyjne, łatwe w użyciu i tanie procedury diagnostyczne.

Dlatego w ramach projektu uwzględnione zostaną techniki obiektywnej oceny przepływu powietrza, a w szczególności:

• w astmie natężona objętość wydechowa w ciągu jednej sekundy (FEV1) i szczytowy przepływ wydechowy (PEF)
• w CRS szczytowy przepływ wdechowy przez nos (PNIF) wydaje się bardziej wiarygodny niż rynomanometria (AAR) i rynometria akustyczna (AR) i) dostępny na rynku przenośny spirometr będzie używany do zdalnego pomiaru PEF i FEV za pomocą intuicyjnej aplikacji, która pomaga pacjentom w dostarczaniu danych, ich odbiorze i przesłaniu do szpitala ii) ten sam sprzęt może zostać wykorzystany do pomiaru PNIF, poprzez adaptację oprogramowania i dostępne na rynku maseczki nosowe z możliwością podłączenia. W rezultacie dostępne będzie przenośne dwufunkcyjne urządzenie odpowiednie do zdalnej oceny czynności górnych i dolnych dróg oddechowych poprzez ponowne wykorzystanie i dostosowanie dostępnej technologii.

Oczekiwane rezultaty tego celu szczegółowego to:

• określenie wzorca oddychania pacjenta z wykorzystaniem dostępnych narzędzi i niezawodność w celu wczesnej diagnostyki zdarzeń nietypowych;
• niezależna analiza działania nozdrzy i ocena wiarygodności uzyskania analogu PNIF;
• ocena wiarygodności narzędzi w określaniu równoważnych parametrów spirometrycznych.

Zarządzanie danymi będzie odbywać się zgodnie z zasadami określonymi w ustawie o przenośności i odpowiedzialności za informacje zdrowotne (HIPAA), a w Europie w ogólnym rozporządzeniu o ochronie danych (RODO).

Zdalne podejścia testowane w tym projekcie wygenerują ogromną ilość rzeczywistych danych do analizy. Opracowany zostanie szczegółowy plan zarządzania danymi w celu wcześniejszego określenia metod gromadzenia, zarządzania i ochrony danych z badań klinicznych. Plan określi szczegółowe cele gromadzenia danych, typ i lokalizację danych, dostęp do danych, role i obowiązki, umożliwiając zespołowi badawczemu dokładne zrozumienie wymagań.

Kluczową rolę odegra platforma REDCap (Research Electronic Data Capture), która posłuży do prawidłowego gromadzenia i zarządzania danymi. Jest to bezpieczna aplikacja internetowa, zgodna z wieloma standardami, takimi jak FISMA i HIPAA, stworzona do zarządzania danymi do badań klinicznych.

Podczas eksperymentów dane będą gromadzone na 2 sposoby: jeden będzie standardowy, polegający na pozyskiwaniu informacji subiektywnych (PROM) i informacji obiektywnych (przepływy powietrza, wyniki kliniczne i endoskopowe), a następnie wprowadzaniu danych. Drugi tryb będzie korzystał ze specjalnie stworzonych potoków i umożliwi pozyskiwanie danych bezpośrednio za pośrednictwem MHT (Mobile Health Technology), a w przypadku botów telefonicznych bezpośrednio za pośrednictwem chmury, dzięki czemu będzie całkowicie zautomatyzowany. Spowoduje to drastyczne zwiększenie ilości danych potencjalnie uzyskanych w ramach tej drugiej metody, bez ograniczeń logistycznych i większych możliwości, w oparciu o duże zbiory danych, w celu zbudowania wiarygodnych modeli predykcyjnych dla badanych chorób.

W ramach projektu opracowane zostaną dedykowane potoki danych, które będą automatycznie wypełniane danymi PROM i przepływem powietrza pozyskiwanymi za pośrednictwem MHT do bazy danych Redcap.

Phonebot i chatbot będą korzystać z rozwiązań chmurowych, takich jak Twilio (API komunikacji dla SMS, głosu, wideo i uwierzytelniania n.d.) czy Amazon Connect (który z kolei bazuje na Twilio). Systemy te zaczęły się jako centrale prywatne (tj. biznesowe systemy telefoniczne zarządzające połączeniami przychodzącymi i wychodzącymi), a następnie ewoluowały w kierunku wielokanałowych systemów komunikacji. Obecnie integrują telefonię, SMS-y, chatboty z różnymi kanałami wiadomości błyskawicznych, strumieniową transmisję wideo w czasie rzeczywistym i systemy poczty elektronicznej. Ponadto integrują także kilka powiązanych technologii, takich jak systemy sztucznej inteligencji do zarządzania rozmowami, systemy syntezy mowy, narzędzia do przepływu danych i tworzenia dialogów.

Badacze wykorzystają takie systemy jako wygodne z różnych perspektyw. Po pierwsze, ze względu na politykę firmy Whatsapp zmusza swoich klientów do korzystania z usług sprzedawców (takich jak Twilio) w celu uzyskania dostępu do interfejsów API biznesowych Whatsapp, do których w przeciwnym razie nie moglibyśmy uzyskać bezpośredniego dostępu. Po drugie, takie systemy chmurowe mają możliwość skalowania do milionów użytkowników w ciągu kilku minut dzięki wykorzystaniu chmury obliczeniowej, co jest bardzo wygodne, ponieważ projekt ma umożliwiać łatwą replikację. Wreszcie rozwiązania takie jak Amazon Connect wykorzystują najnowocześniejsze rozwiązania sztucznej inteligencji (przetwarzania języka naturalnego), które są udostępniane, a następnie testowane pod kątem skuteczności z popularnym produktem „Amazon Alexa”. Zostaną opracowane dostosowane do indywidualnych potrzeb aplikacje mobilne umożliwiające dostarczanie pacjentom kwestionariuszy. Aplikacje te zostaną wydane na platformy Android i iOS. Wszystkie te aplikacje zostaną zaprojektowane wspólnie z partnerami projektu w celu uzyskania specyfikacji maszyny o skończonych stanach i wyjaśnienia przepływów użytkowania.

Plan statystyczny Planowanie trzech badań klinicznych przeprowadzono z uwzględnieniem pożądanej mocy statystycznej, krótkiego czasu zakończenia projektu (tylko 2 lata) oraz faktu, że trzy badania kliniczne są „de facto” także dowodem koncepcji dla bardzo innowacyjne podejście, którego ambicją jest zmiana codziennego postępowania w przypadku 2 bardzo powszechnych chorób przewlekłych i osiągnięcie punktu zwrotnego w kierunku rzeczywistego wzmocnienia pozycji pacjenta.

W przypadku badania klinicznego 1, aby osiągnąć poziom ufności 95% i przedział ufności 15, wymaganą wielkość próby oszacowano na 40.

Jeśli chodzi o badanie kliniczne nr 2, badacze chcieli przeprowadzić badanie umożliwiające wykrycie 20% różnicy między ramionami, w przypadku którego, jako badanie czteroramienne, wystarczyłoby 12 pacjentów na każde ramię. Ale także, ponieważ jest to badanie czteroramienne, należy zastosować pewną korektę (nawet poprawkę Bonferroniego), a jeśli zastosuje się ją do wartości alfa, za pomocą sześciu możliwych porównań (nie tylko grup leczonych z grupą kontrolną, ale także między grupami leczenia) wartość alfa wzrosłaby z 0,05 do około 0,009, dlatego badacze uznali za przydatne zwiększenie liczby pacjentów w każdym ramieniu do 20 (całkowita liczba pacjentów 80).

Wreszcie, w przypadku badania klinicznego nr 3 badacze chcieli wykryć 25% różnic w pomiarach przepływu powietrza między standardowymi testami w gabinecie a dwoma systemami domowymi, w przypadku których wymagana jest wielkość próby wynosząca 15 pacjentów.

Aby ocenić statystycznie istotne różnice w zakresie głównych punktów końcowych, badacze wykorzystają:

Dla badania 1, gdzie pierwszorzędowym punktem końcowym jest zadowolenie pacjenta R-kwadrat, Chi-kwadrat, test Pearsona i dokładny test Fishera w celu oceny zadowolenia pacjentów w grupie leczonej w porównaniu z grupą kontrolną. Wartość alfa zostanie ustawiona na 0,05.

Analiza zostanie zastosowana do wspomnianych wcześniej kwestionariuszy (PREM), aby określić ilościowo poprawę w zakresie doświadczeń pacjentów leczonych przy użyciu MHT (spirometry i PROM) w porównaniu z obecnym scenariuszem, który obejmuje jedynie okresowe osobiste wizyty w szpitalu.

W badaniu 2, aby ocenić pierwszorzędowy punkt końcowy, którym jest wskaźnik wypełnienia kwestionariuszy w czterech ramionach, badacze zastosują analizę ANOVA, a następnie testy t w celu przeprowadzenia 6 możliwych porównań pomiędzy 6 grupami. W przypadku analizy ANOVA zostanie zastosowana wartość alfa wynosząca 0,05, podczas gdy w przypadku pojedynczych porównań zostanie zastosowana korekta Bonferroniego, co doprowadzi do wartości alfa 0,009.

Oceniane będą następujące zasługi:

• wskaźnik wypełnienia: liczba wypełnionych kwestionariuszy, wskaźnik rezygnacji;
• jakość odpowiedzi: przeprowadzana również poprzez analizę metainformacji (np. „złote pytania”) i wykorzystanie zestawienia kwestionariuszy w szpitalu jako podstawowej prawdy;
• najlepszy kanał do administracji PROM-ami pod względem profilu technologicznego pacjenta: Phonebot, Instant Messaging i dedykowane aplikacje;
• wzmacnianie pozycji pacjentów za pomocą kwestionariuszy. W przypadku próby 3 hipoteza równoważności zostanie sprawdzona poprzez porównanie zdalnych pomiarów ze standardowymi testami ambulatoryjnymi za pomocą sparowanych testów t. Alfa zostanie ustawiona na 0,05.

Drugorzędowe punkty końcowe zostaną ocenione za pomocą tego samego oprogramowania (JMP z instytutu SAS) z odpowiednimi narzędziami statystycznymi.

Wreszcie znalezione zagregowane dane będą przedmiotem publikacji naukowych, wzbogacając ogólną wiedzę na ten temat, a tym samym umożliwiając wtórne wykorzystanie danych statystycznych.