基于决策辅助的全科 T2D 数字化个体化协同治疗 (DICTA)

背景

来自英国的一项研究表明，包括全面饮食替代、逐步重新引入食物和对长期减肥维持的结构化支持在内的强化干预使几乎一半的患者获得了长期的 T2D 缓解（Lean 等人，2018 年） .

在丹麦，T2D 主要在全科诊所进行管理，但尽管对 T2D 给予了高度关注，但许多患者并未得到最佳治疗，也没有遵循健康生活方式的建议（Bo A 等人，2018 年）。 丹麦 T2D 战略研究中心 (DD2) 于 2010 年启动，总体目标是提高新诊断的 T2D 患者的护理质量。 DD2 数据包括生物样本，以及临床、生活方式和生活质量数据（Christensen 等人，2018 年）。 截至 2019 年 5 月，DD2 持有来自 8,500 多名新发 T2D 患者的样本。 基于 DD2 数据，2013 年开发了针对 T2D 个体化治疗的模型干预，并证明在一般实践中是可行的（Stidsen 等人，2017 年）。

DICTA 研究小组的进一步研究人员在一项试点研究中发现，在 GP 环境中使用协作电子健康工具来诱导肥胖患者体重减轻 7 公斤，并维持了 20 个月（Brandt 等人., 2011）和 12 个月后 T2D 男性体重减轻 5.4 公斤（Haste 等人，2017）。 这种协作电子健康工具 (LIVA) 已根据对患者、医疗保健专业人员和全科医生的广泛访谈（Brandt 2018a、Brandt 2018b 和 Brandt 2018c）的输入进行了更新和完善，并在丹麦的几个城市使用并取得了可喜的成果（科姆科娃 2019）。

DICTA 项目获得了 2018 年和 2019 年 Steno Collaboratory Grants 的支持，与 Liva Healthcare a/s、Cambio Healthcare Systems A/S 和 CGM A/S 合作开发了一个基于网络的平台，用于患者注册结果测量和生活方式指导。 该平台现已集成到大多数丹麦全科医生（XMO、CGM）使用的电子医疗记录系统中。 该干预措施将为 GP 提供新颖的、数据驱动的个性化支持，并为 AI（机器学习）支持的 T2D 患者提供个性化的数字数据驱动生活方式支持，并在相关时及时为 GP 提供支持。

目的

DICTA 的目的是在 RCT 中测试针对 T2D 患者管理的复杂电子健康干预在一般实践中的临床和经济效果。

设计与方法

设计：

DICTA 项目正在使用多种方法研究方法，包括问卷调查、访谈、临床结果和健康成本分析，所有这些都包含在 DICTA 中。 该试验将在南丹麦地区和新西兰地区的全科医生中招募 T2D 患者，欧登塞大学医院和 Holbaek 医院的专家将以电子方式监督药物治疗，专业健康教练将为生活方式的改变提供在线支持。 为确保获得纵向数据，研究人员的目标是从全科医生那里招募患者，这些患者也在 DD2 中招募他们的 T2D 患者。 这将建立全面而强大的机构间和跨部门合作，旨在基于药物和非药物治疗改善全科医生提供的护理和患者的生活质量。

干预：

基于研究人员之前的研究和随后开发的 IT 程序和平台，研究人员与 Liva Healthcare A/S、CGM 和 Cambio Healthcare Systems A/S 合作实施了一项复杂的干预措施。 干预的两个核心要素是：

1. 个性化监督治疗来自 DD2 的同意参与的患者已经接受了高级表型分析。 基于欧登塞大学医院和 Holbæk 医院的医院专家与全科医生合作开发的表型分析和算法。 GP 将收到具体的临床决策支持建议，根据临床决策支持工具 (Cambio)，根据表型为每位患者开出哪些药物。
2. T2D 患者的个人数字指导作为 DICTA 的一部分，通过协作电子健康工具 (Liva) 为患者提供个人健康教练（营养师、护士、职业治疗师或物理治疗师），并接受个性化的、关系驱动的健康生活方式指导根据个别患者自己的条件（例如 增加体力活动、更健康的饮食、减肥、戒烟、个人目标设定、量身定制的信息、同伴支持），包括最佳药物治疗（Komkova，2019）。 协作 eHealth 工具将使健康教练能够访问患者注册结果测量 (PROM) 并支持个人干预目标。 这构成了个人指导的基础，并得到人工智能 (AI) 的部分支持，以改善健康教练的指导。 例如，当使用模式与减肥成功率降低相关时，健康教练会收到通知。 向全科医生展示患者登记的结果关于身体活动、步数、饮食目标实现、吸烟状况等的患者登记结果测量 (PROM) 正在通过集成到全科医生健康记录系统 XMO 中的基于网络的解决方案提供给全科医生， CGM（覆盖所有丹麦全科医生的 52%）。

方法 在该随机对照试验中，研究人员将在 GP 环境中测试新诊断的 T2D 患者结合个性化生活方式和药物治疗干预包的效果。 调查人员将从 DD2 实践中招募全科医生，并邀请新的全科医生到丹麦的 DD2。 在每次 GP 预约时，所有新诊断为 T2D 的患者都将以书面和口头方式获悉该研究，同意参与的患者将在通过在线问卷调查知情同意后按 1:1 的比例随机分配到干预组或对照组，经过适当的时间考虑他们是否想参加，通常是在一到两周内。 纳入将于 2021 年 5 月 3 日开始，研究人员预计到 2022 年 5 月 1 日将所有 660 名患者纳入。 干预组在常规护理基础上接受为期一年的个体化治疗（即干预），而对照组在第一年接受常规护理，然后在第二年接受个体化治疗和常规护理。 这种设计可以分析 2022 年 5 月 1 日之后第一年的干预效果。 两组（干预组和对照组）都将在 3、6、9 和 12 个月时由他们的 GP 看诊。 除了作为常规护理和 DD2 的一部分收集的材料外，本研究不会收集额外的生物材料。

效果评估显示在结果测量下。

样本量 根据我们正在进行的 IDA 试验的经验，研究人员预计对照组中大约 50% 的患者将达到复合终点。 如果临床相关差异最小为 25%，则至少 62.5% 应达到干预组的复合终点。 以 80% 的功效和 5% 的显着性水平，研究人员将需要每组 250 名患者。

统计分析 分析将由对分配不知情的统计学家进行。 主要分析人群将是修改后的意向性治疗人群，包括那些具有主要终点可用数据的受试者，即完成 12 个月随访的受试者。 在开始任何分析之前，将在方案和/或统计分析计划中预定义符合方案的分析。 为了能够识别符合协议的人群，主要的协议偏差将在协议中预定义。 为了支持未来的假设，还将进行一些特别的探索性分析。 一般来说，分类变量会概括为n(%)，连续变量会概括为min-max，mean(sd)，以及median，Q1，Q3。 所有摘要将按随机化组进行。 Kaplan-Meier 曲线将用于估计与事件发生时间终点相关的生存函数，例如 按组分层录取。 将酌情使用回归分析、线性、逻辑和 Cox 比例风险。 分析的类型将取决于所讨论的端点。 在发布数据进行分析之前，将编写、审查和批准详细的统计分析计划。

经济评价

研究人员将扩大评估范围，以涵盖完整经济评估中的所有结果。 质量调整生命年 (QALY) 的潜在改进将是主要的效果测量（使用 EQ-5D-5L）。 评估将从社会角度进行，并将包括所有可衡量的资源使用后果，与部门无关。 研究人员将重点关注运行和维护 DICTA 的成本、药物总成本、全科就诊成本和住院成本。 经济评价将首先在试行期内进行，试行期外不得外推。 这将产生一个保守但稳健的结果衡量标准。

成本估算将基于登记分析，其中相关登记包括：丹麦国家患者登记处、国家丹麦处方数据库和国家卫生服务登记处。 此外，调查人员将破译是否存在就业市场参与影响（通过收入统计）。 老年人统计数据 (“Ældredokumentationen”) 将用于确定对住房状况（疗养院居住）和所接受服务（例如家庭帮助服务和康复服务）的潜在影响。

数据管理

通过与 OPEN 的合作，将使用 RedCap 提供的在线服务收集数据。 在 RedCap 中，可以开发一个特定于项目的安全数据库以供在 DICTA 中使用。 这允许从所有参与的 GP 站点进行在线和安全的数据采样，并确保数据处理过程符合当前的数据保护法规。 此外，RedCap 支持 eHealth 解决方案与 GP 收集的数据之间的自动集成，从而能够将所有数据合并到一个数据库中。 GP 数据将是根据结果描述的实验室结果以及与 Cambio 合作开发的临床决策支持工具相关的实验室结果、诊断代码和药物处方。 所有统计数据都将通过“OPEN analyze”服务进行，该服务位于与特定项目的 OPEN 数据库相同的安全服务器上，或者位于丹麦统计局受类似保护的研究服务器上。 将提供数据管理计划，包括用于访问和下载汇总摘要和分析结果的协议。

结果的传播

对于科学传播，研究人员的目标是在高级科学期刊上发表文章并在科学会议上展示数据，同时奉行科学欧洲的开放获取原则，确保尽可能广泛地获取项目成果。

伦理

总体评价为项目参与不存在危害风险。 将从丹麦健康研究委员会系统获得伦理许可。 根据 GDPR，在对项目进行口头解释后，将获得参与者的书面知情同意。 患者退出研究以及数据库可以在任何给定时间进行。 所有患者相关数据将归 SDCO 所有。 如果出现伦理困境，将咨询相关机构和伦理委员会的专家。 如有分歧，PI 将决定对数据的解释和出版策略。