Bewijs dat gegevens over de kwaliteit van leven (QoL) van patiënten continu kunnen worden gemeten
Bewijs dat gegevens over de kwaliteit van leven (QoL) van patiënten continu kunnen worden gemeten
Door Tom Rhoads, oprichter en CEO, Spencer Health Solutions
Informatie over de kwaliteit van leven van een patiënt (KvL) is belangrijk voor klinische onderzoekers omdat het van invloed is op de waarschijnlijkheid dat de patiënt therapietrouw blijft en een klinische studie met succes voltooit. KvL is ook een belangrijk eindpunt voor het begrijpen van de volledige effecten van een onderzoeksbehandeling die verder gaan dan de primaire eindpunten voor werkzaamheid en veiligheid.
Er kunnen echter maanden verstrijken tussen bezoeken aan de kliniek, waardoor een neerwaartse trend in de kwaliteit van leven van een patiënt waarschijnlijk wordt gemist. Het beperkt ook het tijdvenster voor effectieve interventie.
Hoe kunnen sponsors van klinische onderzoeken, clinici en onderzoekers patiënten in realtime volgen om veilige en succesvolle resultaten voor zowel de patiënt als het programma te garanderen?
Mobiele applicatietechnologie heeft een revolutie teweeggebracht in realtime gegevensverzameling op individueel niveau, maar mobiele apps hebben een retentiepercentage van 90 dagen van slechts 25%. Daarentegen kan toegewijde in-home technologie een veel hogere retentiegraad hebben, terwijl het tegelijkertijd specifieke functionaliteit biedt, zoals het verstrekken van medicatieherinneringen, het fysiek verstrekken van medicatie en het volgen van medicatietrouw. Dergelijke gedetailleerde informatie kan worden gebruikt om beslissingen te nemen die uiteindelijk leiden tot betere gezondheidsresultaten voor de patiënt.
De spencer® smart hub is een platform voor thuisondersteuning van patiënten met al deze mogelijkheden. Maar kan het worden gebruikt om de kwaliteit van leven van een patiënt continu te bewaken?
spencer's single-question "pols surveys" krijgen een respons van meer dan 90% wanneer ze onmiddellijk worden voorafgegaan door het verstrekken van fysieke medicatie. Terwijl een volledige rotatie weken duurt, zijn vragen die meerdere dimensies van kwaliteit van leven (QoL) omvatten nooit meer dan een paar dagen verwijderd. Maar is het mogelijk om een continu beeld te krijgen van met tussenpozen afgenomen vragen? En als je er een bouwt, kun je hem dan vertrouwen?
Spencer op de proef stellen
Ik vroeg het Spencer Health Solutions Data Team en zij zeiden ja, en brachten hun redenering naar het 2022 International Society for Pharmacoeconomics and Outcomes Research (ISPOR) evenement in Washington, DC in de vorm van een wetenschappelijke poster en presentatie.
"Het was niet het meest rechttoe rechtaan argument", geeft Chief Data Scientist Ben Ogorek toe, "maar het bracht ons over een eerste lat."
Het datateam besloot een datamodel te gebruiken om QoL-antwoorden over vragen en in de loop van de tijd op een principiële manier te verzamelen. Het resultaat was een patiëntspecifiek tijdstraject voor elke patiënt en een set KvL-dimensies. Het team moest echter beargumenteren dat deze trajecten betekenis hadden.
Zoals Ben uitlegde:
“Een manier om in methodologische kwaliteit te duiken is door te vragen: 'Hoe zouden de zaken eruit zien als er geen QoL-signaal te vinden was?' Dit zou waar zijn als, laten we zeggen, patiënten willekeurig de antwoorden op de enquête op spencer zouden kiezen. Als dit inderdaad het geval was, en de QoL-trajecten van ons model kwamen terug met fascinerende trends, dan is dat model niet te vertrouwen! Als we de trajecten van het model zouden kunnen bekijken wanneer er een willekeurige knop wordt ingedrukt naast de trajecten van de echte gegevens, zouden ze er niet hetzelfde uitzien.”
Het bleek dat 'Monte Carlo'-simulatietechnieken het team daarbij hielpen. (Monte Carlo-simulaties zijn een hulpmiddel dat regelmatig door gegevenswetenschappers wordt gebruikt om te helpen simuleren wat onder bepaalde omstandigheden van gegevens kan worden verwacht. In dit geval werd het gebruikt om te simuleren hoe gegevens eruit zouden zien als de patiënten van Spencer willekeurig hun antwoorden zouden selecteren.)
Voor elke echte vraag die door een echte patiënt werd beantwoord, werd een willekeurig antwoord vervangen, en dit proces werd honderden keren herhaald. Hierdoor kon mijn team een kijkje nemen in een andere wereld en zichzelf ervan verzekeren dat onze wereld er helemaal niet op lijkt.
In de onderstaande afbeelding zijn de groene lijnen KvL-trajecten van slechts een van de gesimuleerde werelden met willekeurige druk op de knop. Je kunt zien dat ze bijna plat zijn en verticaal in het midden zijn geplaatst. De oranje lijnen zijn de echte KvL-trajecten, die een veel grotere variabiliteit vertonen.
Dit is met name een activiteitsgerelateerde KvL-dimensie. Vanaf begin 2020 is een algemene afname van de activiteitsniveaus te zien, een vermoedelijk verband met de real-world COVID-19-lockdowns. Ten slotte maakten de KvL-trajecten berekend op basis van echte gegevens aanzienlijk betere voorspellingen van reacties mogelijk dan de trajecten van de Monte Carlo-simulatie.
QoL-vragen inbegrepen:
- Van plan om vandaag een sociale activiteit bij te wonen?
- Heb je vandaag gesport?
- Ben je vandaag meer of minder actief?
100
Deelnemers
8860
Pulse-vragen beantwoord
94%
Patiëntbetrokkenheid
Wat we weten
"Dit onderzoek bewijst niet dat de methode voor het schatten van het KvL-traject perfect is, of dat de gegevens altijd representatief zijn voor de werkelijke toestand van de patiënt, maar het laat ons weten dat we op de goede weg zijn", zegt Ogorek. "Er zijn echte QoL-signalen begraven in deze gegevens verzameld van Spencer die in de loop van de tijd variëren, en als die er niet waren, zouden we naar de groene lijnen in onze eigen gegevens kijken."
Toch is er nog werk aan de winkel om de KvL-trajecten van Spencer verder te valideren.
"Als we [de trajecten] willen koppelen aan echte gezondheidsresultaten, moeten we het model vergelijken met concurrerende methoden, en we moeten deze methode blijven verfijnen", zegt Ogorek.
Klik op de afbeelding hieronder om de wetenschappelijke poster te bekijken die werd gepresenteerd op het evenement van de International Society for Pharmacoeconomics and Outcomes Research (ISPOR) in 2022.