CDSA dinâmico para cuidar de crianças doentes em Ruanda (DYNAMIC-RW)

As crianças são uma população reconhecidamente vulnerável que ainda sofre com uma alta taxa de doenças infecciosas agudas e mortes evitáveis. Isso é especialmente verdadeiro nos sistemas de saúde frágeis da África Subsaariana, onde a mortalidade de menores de cinco anos é 10 vezes maior do que em países de alta renda. O manejo de crianças doentes no nível de atenção primária nesses ambientes permanece de qualidade insuficiente, pois os médicos da linha de frente carecem de diagnósticos adequados, supervisão para melhorar suas habilidades e ferramentas de apoio à decisão. Testes diagnósticos clinicamente validados no ponto de atendimento (POC) muitas vezes não estão disponíveis, e as diretrizes práticas são rapidamente desatualizadas por novas evidências e mudanças na epidemiologia. Quando surge uma epidemia, essas orientações estáticas e genéricas podem até se tornar deletérias se o evento não for detectado a tempo e integrado às recomendações.

Na ausência de orientação confiável, os profissionais de saúde (HCWs) tendem a prescrever antibióticos em excesso (Hopkins et al. 2017, Fink et al. 2019). Aproximadamente 9 em cada 10 crianças no nível de atenção primária na Tanzânia recebem um antibiótico, enquanto apenas 1 em cada 10 precisa de um (D'Acremont et al. 2014). O uso inadequado de antibióticos prejudica a flora intestinal, favorecendo a proliferação de patógenos e enfraquecendo a resposta imune da criança (Benoun et al. 2016). É também um dos principais impulsionadores da resistência a antibióticos, que se estima ser responsável por até 10 milhões de mortes por ano até 2050 (Holmes et al. 2016, Fink et al. 2019). Igualmente importante para o uso excessivo de antibióticos, é a sua subutilização. Deixar de atender uma criança que precisa de tratamento com antibióticos ou fornecer a uma criança um tipo ou dosagem inadequada de antibiótico coloca-os em risco de morbidade e morte evitáveis. O mesmo ocorre com os antimaláricos que nem sempre são prescritos para as crianças carentes: aquelas com teste de malária positivo.

Erros de diagnóstico têm consequências que vão além do paciente. Eles aumentam as taxas de reincidência, congestionando ainda mais as unidades básicas de saúde e acumulando perdas econômicas não apenas para as famílias, mas para todo o sistema de saúde. Os erros sistemáticos nos dados do nível do paciente se acumulam e, à medida que são agregados para medir indicadores no nível da população, eles têm o potencial de influenciar as estatísticas usadas para priorizar as intervenções de saúde e, principalmente, identificar epidemias.

A OMS identificou intervenções de saúde digital e ferramentas preditivas na atenção primária como aceleradores importantes para alcançar o Objetivo de Desenvolvimento Sustentável 3 de 2030 de garantir boa saúde e bem-estar para todos. Novas tecnologias simples e baratas, como dispositivos móveis, aliadas aos avanços da computação e da ciência de dados, podem ajudar a mitigar vários dos desafios mencionados. A intervenção digital proposta é um algoritmo de suporte à decisão clínica (CDSA) de terceira geração destinado a ajudar os profissionais de saúde no nível de atenção primária a lidar com crianças com doenças agudas. As duas primeiras versões do algoritmo passaram por avaliações rigorosas em condições controladas de pesquisa, conforme resumido abaixo:

O algoritmo de primeira geração chamado ALMANACH foi testado na Tanzânia em 2010-2011, alcançando cura clínica melhorada (de 92% para 97%) e uma diminuição na prescrição de antibióticos (de 84% para 15%) em comparação com os cuidados de rotina (Shao et al. 2015A). O ALMANACH também levou a avaliações clínicas mais consistentes sem levar mais tempo do que uma consulta convencional e foi percebido pelos médicos como uma ferramenta "poderosa e útil" (Shao et al. 2015B).

O algoritmo de segunda geração chamado ePOCT foi testado na Tanzânia em 2014-2016. Além dos sintomas e sinais, utilizou vários testes POC para ajudar a detectar crianças com infecções graves que requerem tratamento hospitalar (oximetria e nível de hemoglobina) e/ou crianças com infecção bacteriana grave (PCR). O uso de ePOCT resultou em maior cura clínica (98%) em comparação com ALMANACH (96%) e cuidados de rotina (95%). O algoritmo também reduziu ainda mais a prescrição de antibióticos para 11%, em comparação com 30% com o uso de ALMANACH e 95% nos cuidados de rotina (Keitel et al. 2017).

Algoritmos eletrônicos podem, portanto, ser implementados com sucesso para melhorar a orientação clínica e fornecer feedback aos médicos, bem como permitir análises de dados quase em tempo real para monitoramento e avaliação de intervenções de saúde, vigilância de doenças e detecção de surtos. O objetivo deste estudo é melhorar o diagnóstico clínico, diminuir a morbidade e a mortalidade de crianças e mitigar a resistência antimicrobiana usando novas tecnologias dinâmicas de POC que ajudam os profissionais de saúde da linha de frente a gerenciar pacientes doentes, aprimorados por vigilância inteligente de doenças e mecanismos de detecção de surtos.

Mais especificamente, este estudo busca:

Objetivo 1: Melhorar a gestão integrada de crianças com doença aguda através da disponibilização de um CDSA eletrónico (ePOCT+) aos médicos que trabalham ao nível dos cuidados primários;

Objetivo 2: Melhorar a precisão do algoritmo clínico e adaptá-lo às variações espaço-temporais da epidemiologia e dos recursos, com base nos dados gerados por meio da ferramenta ePOCT+, analisados ​​por aprendizado de máquina e verificados por especialistas clínicos;

Objetivo 3: Aprimorar o sistema de informações de gestão de saúde para monitoramento e avaliação e realização de supervisão de suporte (aumento do número de indicadores significativos que são revisados ​​e acionados regularmente) em US usando os dados clínicos gerados pela ferramenta ePOCT+ e aprimorados por análises de dados adicionais e painéis de visualização ;

Objetivo 4: Criar uma estrutura para o desenvolvimento e implementação de CDSA dinâmico e ferramentas de vigilância de doenças, para uso em larga escala, sustentável e clinicamente responsável de aprendizado de máquina e ciência de dados.

O estudo de intervenção primária será conduzido em duas fases.

Fase 1: ensaio aberto de superioridade controlado, não randomizado, de grupos paralelos, de dois braços, implementado de maneira escalonada/sequencial em um total de 32 unidades de saúde. A intervenção consiste no algoritmo de suporte à decisão clínica (CDSA) ePOCT+ exibido em tablets (leitor de medAL), testes no local de atendimento e dispositivos que não fazem parte dos cuidados de rotina (oxímetro de pulso, teste rápido de PCR, cubetas adicionais de hemoglobina), complementares formação sobre a ferramenta, acompanhamento regular e visitas de orientação/supervisão por parte da equipa de estudo e/ou da Equipa Diretiva de Saúde (DHMT). A orientação e a supervisão serão viabilizadas por um painel complementar (medAL-monitor), utilizado para visualizar e monitorar os indicadores relacionados ao estudo. Devido à natureza pragmática do estudo, o desenho é adaptativo, pois mudanças na implementação dos três estudos de agrupamento podem ser feitas com base em dados de monitoramento e feedback das unidades de saúde. Essas mudanças de implementação (excluindo adaptações significativas ao conteúdo do algoritmo) serão completamente documentadas e contabilizadas na comparação dos efeitos nos três estudos de cluster.

Fase 2: expansão da intervenção a mais unidades sanitárias e transformação num algoritmo dinâmico um total de até 40 instalações em Ruanda. Na Fase 2, um projeto de estudo adaptativo será usado para medir os mesmos indicadores de resultado da Fase 1. O conteúdo médico do algoritmo não será mais fixo, mas modificável. Cada modificação potencial será primeiro avaliada pelo grupo de especialistas clínicos da Tanzânia quanto à sua coerência clínica, segurança e benefício potencial e, em seguida, aplicada aos dados retrospectivos. Se essas análises confirmarem um impacto positivo clinicamente relevante e estimarem que haverá casos futuros suficientes durante o período do estudo para detectar essa melhora, a alteração no algoritmo será testada em um subestudo randomizado usando o mesmo desenho de estudo da Fase 1, exceto que a randomização ocorrerá no nível do paciente e não no nível da unidade de saúde. Se o impacto positivo for confirmado no subestudo, a modificação será implementada em todos os locais/subgrupos de pacientes relevantes.

Outros estudos transversais de métodos mistos de pesquisa operacional serão realizados durante todo o período de intervenção para estudar o contexto de implementação, facilitadores e barreiras para a expansão desta intervenção e sua integração no sistema de saúde primário de Ruanda.