Algoritm som använder ett snabbt diagnostiskt test för hantering av febersjukdomar i barndomen. (e-MANIC)

Bakgrund I Afrika söder om Sahara (SSA) är febersjukdomar fortfarande ett stort folkhälsoproblem hos barn. Införandet av snabba diagnostiska tester för malaria (RDT) i rutinsjukvård har avsevärt förbättrat hanteringen av malaria. Men trots den goda inställningen hos vårdpersonal att följa resultat från RDT-testresultaten för malaria, påverkar kvarstående hrp2-antigen och låg känslighet för pLDH RDT negativt antimalariamedel och antibiotikarecept. Dessa begränsningar av RDT leder till dålig hantering av febersjukdomar och antimikrobiell resistens (AMR). För att förbättra diagnosen av dessa febersjukdomar och efterföljande förskrivning av antimikrobiella medel, antas det att implementeringen av en algoritm inklusive en tvåstegs malaria RDT PfHRP2/pLDH stödd av point-of-care tester (POCT) för C-reaktivt protein, antal vita blodkroppar (WBC), urinsticka, oximetri och bakterieinfektioner som grupp A Streptococcus och Salmonella/Shigella, kommer avsevärt att förbättra hanteringen av febersjukdomar och därigenom tackla AMR.

Metod För att bedöma värdet av den föreslagna algoritmen föreslås en öppen randomiserad kontrollerad studie med tre armar, som inkluderar febrila barn från 2 till 59 månader.

• I kontrollarmen kommer febrila barn att hanteras enligt IMCI (integrativ hantering av barnsjukdomar) och riktlinjerna för diagnostik och behandling (GDT), som är en del av det rutinsystem som finns i Burkina Faso. Behandling kommer att ske enligt de nationella riktlinjerna.
• I RDTs beslutsalgoritm (RDT-DA) arm (intervention), den kliniska undersökningen baserad på IMIC kommer att stödjas av tvåstegs malaria RDT och bakteriella infektioner RDT. Recept kommer att överlåtas till vårdpersonalens gottfinnande.
• I e-algoritmarm (intervention), artificiell intelligens som integrerar flera lager av klinisk information såsom klinisk undersökning, tecken/symtom och medicinsk historia, och laboratorieinformation såsom resultat av biomarkörer (CRP och WBC) och patogenspecifik POCT (malaria och bakteriell infektioner) och oximetri kommer att utvecklas. E-algoritmen kommer att tjäna som vägledning för diagnostik och hantering av feberinfektioner hos barn från 2 till 59 månader.

I de 3 armarna kommer stöden för datainsamling att digitaliseras. Ett sista uppföljningsbesök (dag 7) kommer att planeras för alla deltagare. Patienterna kommer att bli ombedda att komma tillbaka till vårdcentralen före planerat besök om symtomen kvarstår eller hälsotillståndet förvärras.

Studielängd Detta beräknas vara 36 månader från studiens början. De första 12 månaderna kommer att reserveras för utvecklingen av algoritmen (artificiell intelligens) för e-Algorithm-armen och studiens CRF:er för RDT-DA och kontrollarmar.

Studieplatser Studieplatsen kommer att vara hälsodistriktet Nanoro, närmare bestämt hälsoinrättningarna i Siglé och Pella i Burkina Faso.

Allmänt mål Att utvärdera värdet av den diagnostiska prestandan av den föreslagna algoritmen som kombinerar tvåstegs malaria RDT som detekterar PfHRP2/pLDH och POCT för diagnostik av malaria respektive bakterieinfektioner, vid hantering av febersjukdomar hos barn från 2 till 59 månader i en process av Universal Health Coverage (UHC).

Specifika mål Primärt mål

1. Att bedöma effekten av de föreslagna strategierna på hanteringen av akut feber vid primärvårdsinrättningar;
2. Att bedöma effekterna av de föreslagna strategierna på antimalaria- och antibiotikaförskrivningspraxis vid primärvårdsinrättningar;
3. För att i randomiserad överlägsenhetsdiagnostik bedöma den botande frekvensen om RDT:s beslutsalgoritm (RDT-DA), e-algoritm eller rutinsystem, och att bestämma vilken som ger tillgång till kvalitetssjukvård vid primärvårdsinrättningar.

Sekundära mål

1. Att bedöma noggrannheten av algoritmen baserat på (i) tvåstegs malaria RDT som detekterar PfHRP2/pLDH för diagnos av malariainfektion jämfört med mikroskopi och polymeraskedjereaktion (PCR); (ii) och POCT för diagnostik av bakteriella infektioner jämfört med bakteriekulturer.
2. Att bedöma hur vårdpersonal och föräldrar/vårdnadshavare följer den föreslagna algoritmen;
3. Att bedöma vårdpersonalens och föräldrars/vårdnadshavares efterlevnad av receptet i RDT-DA, e-algoritm och kontrollarm;
4. För att bedöma säkerheten hos algoritmen vid hantering av feberfall hos barn som presenterar sig på poliklinik.

Studiepopulation Deltagarna i studien (barn från 2 till 59 månaders ålder) kommer att identifieras under sitt besök på studiens hälsoinrättningar för enkla febersjukdomar. Barn från 2 till 59 månaders ålder (med föräldrar/vårdnadshavare som kan ge sitt samtycke) som besöker de hälsoinrättningar där studien kommer att genomföras och som uppfyller inklusionskriterierna kommer att uppmanas att delta i studien och att ge skriftlig information samtycke.

Studieresultat Primära studieresultat kommer att vara andelen återvunna fall och antimikrobiella medel som ordinerats i varje arm. Sekundära resultat inkluderar: (i) vårdpersonalens efterlevnad av algoritmen; (ii) föräldrars/vårdnadshavares efterlevnad av behandlingen; (iii) noggrannhet av algoritmen för diagnos av malaria och andra POCT för att vägleda bakteriella infektioner (biomarkörer och patogenspecifik POCT).

Provstorlek Provstorleken beräknas utifrån data som samlats in i konsultationsboken för Sigles och Pellas hälsoinrättningar. Från dessa data som samlades in under 2018 (januari till december) var andelen febrila barn under 5 år som uppehöll sig på vårdinrättningarna med febersjukdomar och som fick antibiotika 62,63 %. Implementeringen av algoritmen förväntas minska denna andel till minst 20 %. I denna studie beräknas provstorleken till en Bonferroni-korrigering av alfa utförs för flera jämförelser, därför väljs en alfanivå på 0,017. Typ II-fel kontrollerades till 20 %, dvs (p=0,20 eller 80 % effekt). Baserat på dessa parametrar krävs en provstorlek på 356 per arm. Därför uppskattas en total urvalsstorlek för studien till 1068 (3×356). Om man vidare antar att 10 % av individerna kommer att gå förlorade vid uppföljning krävs en justerad urvalsstorlek på 392 barn per arm. Den slutliga uppskattade urvalsstorleken för denna studie är alltså 1176 barn.

Statistisk analys En analysplan av data kommer att utvecklas och valideras av deltagarna i den första workshopen i projektet, innan rekryteringen av den första studiedeltagaren. Denna analysplan skulle kunna revideras i enlighet med händelser och vid ändring av protokollet. Den statistiska analysen kommer att göras med en lämplig dataanalysmjukvara (STATA 14.1. och R).