條文本
PDF
摘要
簡介近年來，英國對眼科保健服務的需求激增。由於很大一部分病人轉介到醫院眼科服務部進行診斷和疾病管理，轉診過程造成了誤診和延誤獲得適當治療的不必要轉診。一個潛在的解決方案是連接社區驗光和HES的遠程眼科數字轉診路徑。
方法與分析HERMES研究(視網膜疾病社區視光轉診的遠程眼科支持和人工智能準備轉診路徑:一項帶有關聯診斷準確性研究的聚類隨機優勢試驗)是一項用於評估視網膜疾病社區視光和HES之間遠程眼科轉診路徑的有效性的聚類隨機臨床試驗。HERMES內部嵌套的是診斷準確性研究，它評估自動診斷和轉診推薦的人工智能(AI)決策支持係統(DSS)的準確性。實施後的觀察性子研究、試驗內經濟評價和離散選擇實驗將評估在現實環境中實施這兩種數字技術的可行性。疑似視網膜疾病的患者，正在進行眼部檢查和光學相幹斷層掃描(OCT)，將被英國24家驗光診所招募。視光實踐將被隨機分配到標準護理或遠程眼科。主要結果是當前轉診途徑中假陽性轉診(不必要的HES訪問)的比例與遠程眼科轉診途徑相比。人工智能DSS將對OCT掃描進行解釋，提供診斷和轉診決策，人工智能診斷研究的主要結果是Moorfields-DeepMind人工智能係統做出的轉診決策的診斷準確性。次要結果與不適當的轉診率、成本-效果分析和人機交互(HCI)分析有關。
倫理與傳播獲得了倫敦-布羅姆利研究倫理委員會(REC 20/LO/1299)的倫理批準。研究結果將通過眼科、衛生服務研究和HCI的學術期刊發表。
試驗注冊號ISRCTN18106677(協議V.1.1)。
- 眼科學
- 醫療視網膜
- 衛生服務行政和管理
- 衛生經濟學
- 遠程醫療
這是一篇開放獲取的文章，按照創作共用署名4.0未移植(CC BY 4.0)許可發布，該許可允許其他人複製、重新發布、混合、轉換和基於此作品的任何目的，隻要原始作品被正確引用，提供許可證鏈接，並說明是否進行了更改。看到的:https://creativecommons.org/licenses/by/4.0/．
統計數據來自Altmetric.com
本研究的優勢和局限性
HERMES研究(視網膜疾病社區驗光轉診的遠程眼科學支持和人工智能準備轉診路徑:一項帶有關聯診斷準確性研究的集群隨機優勢試驗)是一項前瞻性的、多中心實施科學研究，評估遠程醫學和人工智能決策支持係統在眼科保健轉診路徑中的臨床效用、成本效益和人機交互。
HERMES研究結合了三個相互交織的數字眼部護理實施科學設計:遠程醫療的介入、集群隨機對照試驗、遠程醫療的觀察性實施後研究和人工智能決策支持係統的前瞻性診斷準確性研究。
該研究包括嵌入式綜合經濟評估，加上人機Iiteraction分析，生成了在現實生活中采用數字路徑的促進因素和障礙的證據。
該研究的一個局限性是，評估的護理途徑屬於英國醫療保健環境，可能不能直接推廣到其他醫療係統，盡管反映了醫療保健數字化轉型的全球趨勢。
背景
眼科門診人數占英國所有門診活動的10%，超過任何其他個人醫學專業。1 2英國的現代眼科實踐麵臨著人口老齡化、退行性疾病日益流行和緊急治療的挑戰，這些治療是革命性的，但依賴於及時的診斷。這對診斷服務造成巨大壓力，並對及時獲得保健產生不利影響。同時，計算能力和人工智能(AI)呈指數級增長，通信技術的強度和無處不在性得到擴展，包括社區驗光設置在內的成像能力得到發展。3.
在英國，眼科的初級保健是由社區驗光實踐(商業街驗光師)提供的。大部分被診斷為視網膜疾病的患者，包括新血管性(“濕性”)老年性黃斑變性(AMD)等常見疾病，被轉到醫院眼科服務部(HES)進行診斷和疾病管理。4個5轉診過程造成不必要的轉診(可能給病人造成不便和痛苦)、錯誤診斷、緊急情況分類錯誤、成像檢查重複和獲得治療的延誤。
據觀察，在過去的5年裏，全英國的眼科診所就診人數增加了30%。6進一步的增長可能是因為成像技術的日益可用性，特別是光學相幹層析成像(OCT)，它在社區驗光實踐中變得無處不在。7OCT是一種非侵入性成像方法，利用光產生微米分辨率的視網膜三維圖像，為診斷包括濕性AMD在內的許多常見視網膜病變提供了最佳方法。
這項研究聚焦於兩種潛在互補的數字技術，它們有可能徹底改變社區驗光師和醫院眼科診所之間的接口:遠程眼科平台和Moorfields-DeepMind AI DSS。將通過兩項相互補充和相互關聯的定量研究對這些技術進行評估:
遠程眼科學的聚類優勢隨機試驗。
AI(機器學習)DSS (Moorfields-DeepMind算法)的前瞻性診斷準確性研究。
遠視通路的聚類優勢隨機試驗(RCT)
眼科遠程醫療可以幫助應對這一挑戰，即通過依賴社區驗光和HES之間的遠程眼科鏈接的數字轉診路徑，為參加社區驗光常規眼科檢查的人提供最佳和專家護理。這可以通過允許在HES的人類專家遠程審查在社區一級捕獲的影像和臨床數據來優化轉診過程。我們將進行一組隨機優勢試驗，以評估使用遠程眼科平台在社區驗光實踐和HES之間建立數字鏈接對服務提供指標(如不必要的轉診比例和從轉診到治療緊急黃斑病變的時間)的影響。我們將使用設備不可知的遠程眼科學平台，為懷疑患有視網膜疾病的患者提供數字轉診路徑。我們的研究團隊產生的試點數據已經證明了遠程眼科學的潛力，可以大幅提高社區驗光和HES之間的轉診路徑的效率，同時減少不必要的轉診到HES8和;因此，我們提出了一項隨機試驗，以證明數字轉診途徑相對於標準護理的優越性。
人工智能診斷支持係統的診斷準確性研究
人工智能DSSs最近被開發出來，在解釋眼成像測試(如OCT掃描)時，與人類專家相比具有良好的診斷準確性。9Moorfields眼科醫院和穀歌DeepMind之間的合作產生了可以說是最先進的眼科深度學習DSS，能夠解釋OCT掃描，提供視網膜疾病的診斷和建議轉診的緊急情況。在矽分析中，使用回顧性收集的數據驗證了該工具對人類專家的視網膜疾病診斷和轉診建議，並已被證明是不低劣的。9該算法是Moorfields眼科醫院為研究目的而唯一獨立使用的。因此，雖然這些工作已經顯示出了良好的結果，但還需要進行前瞻性研究，以證明其在實踐中的價值。
我們將進行一項前瞻性研究，以評估Moorfields-DeepMind AI DSS應用於遠程眼科學RCT中收集的OCT掃描時的診斷(轉診)準確性。這將允許最大限度地利用從試驗中收集的數據，並將提供診斷(轉診)準確性的估計和ci。在獲得OCT掃描後48小時內，Moorfields-DeepMind AI DSS將對所有納入RCT的病例進行複查，算法將對每個病例做出轉診決定(常規轉診、緊急轉診、不轉診)並記錄下來。人工智能決策支持係統做出的轉診決策不會在實踐中實現，但獲取這些決策所需的時間數據以及在使用過程中遇到的任何技術問題將被捕獲。這些數據將被納入實施科學模型，包括人機交互(HCI)分析、基於價值的經濟評估和離散選擇實驗(DCE)，以確定在推進Moorfields-DeepMind AI DSS采用方麵的潛在機會和差距。
2019冠狀病毒病大流行的影響:實施後觀察式語用研究
為應對2019冠狀病毒病大流行帶來的極端挑戰，國家衛生服務體係(NHS)進行了迅速而重大的全麵調整。醫療保健服務因需要而發生的變化，並不總是得到關於效率和安全的有力證據基礎的支持。在眼科方麵，作為對保持社交距離和盡量減少不必要的醫院就診需求的回應，最近在英格蘭的一些地區啟用了遠程眼科路徑，使用數字鏈接促進社區驗光和HESs之間的轉診。大曼徹斯特是這種方法的早期采用者，該地區的大多數驗光實踐現在通過遠程眼科連接參考國民保健服務眼科單位。這種標準護理的局部變化提供了一個獨特的機會來檢查遠程眼科是否在NHS的通常條件下工作。本亞研究將允許我們記錄和測量當地地區醫療保健質量的變化，從而為我們從RCT中推斷遠程眼科學路徑在現實環境中的表現提供依據。因此，我們將在大曼徹斯特地區開展一項實用的、觀察性的、實施後的研究，涉及社區驗光實踐。這也將作為一種安全性分析，使我們能夠識別遠程眼科學通路的潛在安全信號，並為隨機對照試驗的經濟和定性評估增加粒度。
方法與分析
研究設計
遠程眼科路徑的優勢聚類隨機臨床試驗
將進行一項介入優勢群隨機試驗(RCT)，比較社區驗光和HES對可疑視網膜疾病遠程眼科轉診的標準做法。這部分研究將根據集束隨機臨床試驗報告試驗擴展綜合標準(c - rct)進行報告。10
人工智能決策支持係統診斷準確性研究
一項前瞻性研究將使用上述隨機對照試驗的數據來評估高級AI DSS (Moorfields-DeepMind算法)對視網膜疾病的自動化診斷和轉診推薦的診斷(轉診)準確性。在研究過程中，轉移到Moorfields閱讀中心的OCT掃描將由DeepMind算法“實時”進行評估，其轉診建議將被記錄和分析，以確定診斷(轉診)準確性，並與RCT標準護理和遠程眼科學部門的人類專家的表現進行比較。這部分研究將根據2015年標準(診斷準確性研究報告標準)報告，11或STARD-AI。12基於試驗的經濟評估將評估視網膜疾病替代轉診模式的效率。使用定性方法的人機交互分析將評估兩種數字技術實施的可行性。
觀察、後實施、語用亞研究
大曼徹斯特地區的社區驗光實踐將繼續使用當地建立的遠程眼科數字通道，將可疑視網膜疾病的患者轉介到HES。轉診建議將與Moorfields閱讀中心提供的參考標準進行比較，以評估遠程眼科轉診路徑的實際有效性和效率。
設置
對於C-RCT和診斷準確性研究，將在四個HES站點的集水區的24個驗光診所(集群)招募患者:Moorfields眼科醫院NHS基金會信托(8-10家診所)、伯明翰大學醫院NHS基金會信托(4-6家診所)、倫敦西北大學醫療保健NHS信托中心米德爾塞克斯醫院(4-6家診所)和西北安格利亞NHS基金會信托(4-6家診所)。12個分組(每個分組是驗光實踐)將被隨機分配到標準護理組，12個分組將被隨機分配到幹預組(遠程眼科)。這一地點的選擇包括英國的城市，郊區和農村地點，使從這項研究得出的推論適用於更多的英國人口。另外兩組視光實習(組)將隨機分配(1:1)，作為後備名額，以備小組成員中途退出或加快招聘過程(在線補充附錄1）
對於實用的、觀察性的、實施後的亞研究，患者將在曼徹斯特大學NHS基金會信托彙水區域的12個驗光實踐(集群)中招募。這些實踐采用了遠程眼科轉診路徑作為標準實踐。
入學日期為2020年9月，預計初級畢業日期為2023年8月。符合條件的診所需要配備OCT設備，並有向HES推薦的活動量和跟蹤記錄，以實現每個診所的招聘目標。
每個病例的所有OCT掃描和臨床插圖將被轉移到Moorfields閱讀中心，該中心將提供參考標準(診斷和轉診建議)。所有合適的OCT掃描都將在Moorfields閱讀中心由DeepMind算法“實時”處理，用於人工智能診斷準確性研究。
參與者
在參與的社區驗光診所進行眼部檢查並進行OCT掃描的成年人(≥18歲)將被考慮參與本研究。隻有社區驗光師認為有視網膜疾病嫌疑的人才會被招募到RCT和診斷準確性研究中。由於整個視光實踐(集群)將被隨機分為標準護理或遠程眼科，接受接觸並同意參加研究的患者將同意(在線補充附錄2)到數據收集和分析——將不會有患者級別的隨機化。患者級別的納入標準概述在箱1．
患者級別的選擇標準
入選標準
能夠同意並理解研究。
能夠按照特定的研究指導進行合作。
成人(≥18歲)參加相關社區驗光實踐，並接受光學相幹斷層掃描。
社區驗光師認為有任何視網膜疾病(包括萎縮性(幹性)老年性黃斑變性(AMD)、濕性黃斑變性、糖尿病性視網膜病變、黃斑水腫、黃斑空洞、視網膜前膜、中樞性漿液性脈絡膜視網膜病變、遺傳性眼病)的個人。
社區驗光時進行黃斑OCT掃描。
排除標準
除白內障外，任何一隻眼有非視網膜眼部共病的個體。
介質不透明、無法定位或固定或任何其他原因導致無法獲得高質量OCT掃描的個人(由社區驗光師自行決定)。
分配給試驗組
在幹預組和對照組中進行簡單的隨機分組。隨機分配將以集群而不是個人為分配單位進行，分配隱藏將在集群級別。視光實踐將隨機1:1到標準護理或按醫院地點分層的遠程眼科。在招募期間，驗光師將致力於分配到的研究部門，或直到他們招募到每個集群招募範圍的最小值(10名患者)。
遠程眼科學通路的C-RCT優越性
社區視光實踐將被隨機分配，要麼繼續進行標準護理，將視網膜疾病轉診到醫院眼科診所，要麼轉移到遠程眼科數字轉診路徑(圖1)．
優勢群隨機試驗臂。HCI，人機交互;OCT，光學相幹層析成像。
優於C-RCT的幹預臂:數字通路
幹預途徑是利用數字轉診平台將懷疑視網膜疾病的患者從社區驗光轉診到HES的遠程眼科學模型。參加社區驗光實踐的患者將接受臨床評估和OCT掃描。
參與者的OCT掃描和臨床信息將通過數字轉診平台傳輸到相應的HES。在每一種情況下，在HES的人類專家臨床醫生(在HES視網膜臨床具有至少2年獨立實踐經驗的眼科醫生或專業驗光師)將在審查數字轉診平台上的OCT掃描和臨床信息後，遠程做出轉診決定(“遠程-HES”)。亦會記錄由社區視光師所作的轉介建議，但並未付諸實施，以衡量每一組別中正確/錯誤轉介的比例(在線補充附錄3)．
“遠程-HES”的OCT掃描和臨床數據的遠程審查將由在HES視網膜診所(至少2年獨立實踐經驗的視網膜診所)有經驗的專家臨床醫生(醫生或專業驗光師)執行，該診所位於中部米德爾塞克斯醫院Moorfields眼科醫院，西北盎格魯NHS基金會信托醫院或伯明翰伊麗莎白女王醫院，可獲得視網膜疾病專業眼科顧問醫生的高級建議。
優於C-RCT的控製臂:標準實踐
控製途徑是將懷疑視網膜疾病的患者從社區驗光轉診到HES的標準做法。參加社區驗光實踐的患者將接受臨床評估和OCT掃描。社區驗光師認為疑似視網膜疾病的患者將被納入研究，並將收到轉診決定(緊急轉診HES;定期參考HES;不是指HES)由社區驗光師。每個病例的所有OCT掃描和臨床插圖將被轉移到Moorfields閱讀中心，該中心將為轉診建議提供參考標準。
診斷準確性研究
所有轉診和非轉診病例(來自以上標準護理和遠程眼科部門;圖2將被納入人工智能診斷研究。所有合適的OCT掃描將前瞻性地每周轉移到Moorfields眼科閱讀中心。OCT掃描將由Moorfields-DeepMind人工智能係統進行處理，並將為每個病例捕獲該過程的端到端時間。對於每一種情況，Moorfields-DeepMind AI將提供:
診斷
決定是否提交。
轉診的緊迫性(常規或緊急)。
診斷準確性研究部門。HES，醫院眼科服務;OCT，光學相幹層析成像;診斷準確性研究報告標準。
安全網
在“電話- hes”決定為“不轉診”的情況下，將為患者提供有關臨床症狀的附加信息和警報，應促使患者直接前往相應二級保健站點(Moorfields眼科醫院、中央米德爾塞克斯醫院、西北安吉利亞NHS基金會信托醫院或伯明翰伊麗莎白女王醫院)的事故和急診部就診。此外，如果發現社區視光師的決定與“遠程視光服務”的決定不一致，患者將在4周內獲得社區視光診所的隨訪預約。
標準
標準護理和遠程眼科部門的OCT掃描將轉移到Moorfields眼科閱讀中心。眼科閱讀中心將為C-RCT、診斷準確性研究和語用亞研究提供參考標準。參考標準將是在閱讀中心根據圖像和臨床病史審查的基礎上做出的轉診決定和疾病診斷，並將適用於隨機對照試驗、人工智能診斷準確性研究和實施後的實用亞研究。具體來說，對於每個患者，OCT掃描(包括b片和彩色眼底圖像)和包括視力、年齡、症狀、眼部和全身性病史在內的臨床小插圖將由兩名專家評分人員審查。接下來的程序是由摩爾菲爾德閱讀中心的資深視網膜專家進行雙重評分。
患者和公眾的參與
在試驗方案設計之前谘詢了患者和公眾成員對遠程眼科學的認知，並探討了數據隱私、非個人護理、對技術的信任、對通過數字手段提供的護理質量的信心等問題。在試驗設計期間，我們谘詢了Moorfields眼科醫院的一個患者和公眾參與(PPI)小組，就招募障礙、研究地點的地理分布問題和患者信息材料提供建議。在研究開始後，PPI小組計劃每年舉行一次會議，並計劃與所有PPI貢獻者進行研究結束簡報，其中將包括討論優先次序和向公眾和相關醫療保健專業人員傳播研究結果。
數據分析計劃
統計分析
在遠程眼科學通路研究的優勢C-RCT中，將遵循意向治療原則進行初步分析，其中所有隨機化的患者都在其分配的組中進行分析，無論他們是否接受隨機化管理方案。主要結果是假轉診的比例，在患者水平上衡量。這將在管理組之間進行比較，使用邏輯回歸調整集群中心。結果將作為調整後的or值進行報告。
在AI診斷準確性研究中，我們將報告DeepMind算法對95% ci的轉診決策的敏感性和特異性的估計。我們的初步分析將結合緊急轉診到HES和標準轉診到HES並與未轉診到HES進行比較，但將進行敏感性分析以評估緊急轉診。完整的統計考慮和分析在在線補充附錄4．
實施科學研究的組成部分
分析重點
分析的主要重點將是遠程眼科係統實施的促進因素和障礙，以及在臨床環境中引入AI決策支持，以及它如何改變工作流程和患者體驗。評估將是形成性的，以便為未來的實施提供信息，並將臨床效果和成本效益分析納入背景。對於人工智能決策支持係統，在訪談中包含的問題將涉及人工智能是被用作決策輔助(例如，作為疾病/無疾病的過濾器)還是作為完全獨立的決策工具，圍繞技術的信任問題，對醫學法律問題的看法(誰負責決策?)，人工智能在護理路徑中的最佳位置(商業街驗光師或基於醫院的眼科服務或兩者都有)，諸如醫生的去技能化(因為診斷決策可能移交給人工智能)、就業機會減少、需要“安全網”/質量檢查來監督和“健全檢查”人工智能係統的性能、對患者的非個人護理和感知利益，如更高效和適當的護理、對過程更大的信心等。我們還將特別關注人工智能決策支持係統的“可解釋性”問題和“黑箱”現象，以及它是否影響信任和對該技術的潛在接受。AI DSS的“可解釋性”是技術吸收的一個主要因素，可能會影響AI DSS開發人員向更可解釋性技術的方向發展。
從已建立遠程眼科學路徑的站點(大曼徹斯特區)收集的數據將特別有價值，用於確定在現實環境中實施的障礙，這些障礙在RCT的受控環境中不會被發現，如技術、人員配置、培訓和人為因素。這些障礙可能會影響患者的安全，因為它們有可能導致臨床複查的延遲或錯過病例，因此，實施後亞研究提供了一個機會，以探索在RCT試驗背景下通常無法觀察到的遠程眼科學通路的潛在安全信號。
人機交互分析
如上所述，HCI分析的目的是評估通過HCI方法在社區驗光和HES之間轉診路徑的背景下，采用擬議的數字技術的障礙和促進因素。
為了獲取遠程眼科護理模型以及AI DSS的患者和工作人員的觀點，我們將采取定性方法，在社區驗光和HES中進行訪談和觀察。對抽樣、招募和分析方法作了詳盡的說明在線補充附錄1．我們將把人們的期望(他們認為他們想要和使用的東西)與他們在接觸相關技術時的體驗進行比較。為了將期望與經驗進行比較，我們將在項目過程中的各種設置中收集數據:
在前6個項目的幾個月，重點將是理解采用過程和促成成功采用的因素。縱向數據將在三個選定地點收集:兩個驗光診所和伯明翰HES。數據收集將側重於執行前的期望和目前的工作做法;實施期間的障礙、促進因素和經驗以及實施後的看法和做法。
在接下來的12年中月(7-18月)，將在兩個已經使用遠程眼科的驗光實踐中采用類似的數據收集和分析方法(大曼徹斯特地區已經采用遠程眼科的站點);兩家醫院沒有使用遠程眼科學，也沒有立即轉變的計劃(上述定量研究的對照地點)和第二家HES (Moorfields眼科醫院)。重點是了解工作流程、實踐和用戶需求，包括促進因素和采用障礙;識別影響人們對AI DSS態度的因素，以及如何呈現信息以灌輸適當的信心。
經濟分析
Cost-consequence分析
經濟評估將包括試驗內的成本-後果分析(CCA)，直接比較遠程眼科學途徑和目前的轉診途徑。這一分析強調了護理提供方式之間的選擇和權衡，沒有將數據明確合成為單一的效率措施。共同國家評估的結果將以資產負債表的形式提出，其中將包括點估計數和適當的差異量度。從NHS的角度來看，醫院就診、藥物治療和社區全科醫生(GP)就診等費用將被計入成本。資源使用的單位成本將來自已公布的來源，例如，國民保健製度參考成本和保健和社會護理單位成本。13當考慮增加社區視光透視時，將考慮購買和維護OCT掃描儀的成本。獲取成本將從市場價格中得出，並使用標準的經濟學方法轉換為每個病人的成本。14除此之外，Moorfields-DeepMind算法的成本將被考慮在試驗分析中。我們將根據算法所有者的建議以及對類似算法的考慮來確定成本。我們預計，由於無法獲得市場價格，NHS的價格將存在相當大的不確定性。因此，我們將探討一係列價格對效率的影響。這將幫助決策者考慮他們可能願意為該算法支付的最大價格，因為它可能提供的好處。除了運行算法在硬件、軟件和人員方麵的成本外，還將考慮所需的費用。這將基於其在研究中的使用和研究成員的建議。將進行敏感性分析，以探討采用不同的觀點(即誰承擔費用)將如何影響幹預措施的成本效益。本CCA中可能包含的結果包括假陽性、假陰性、不必要的醫院就診和黃斑病變未經治療的持續時間。這些將與提供和幹預的費用以及下文所述的發展評估的結果進行比較。 Costs that will be included will be those that fall on the NHS and community optometry practices. Deterministic sensitivity analysis for example, variations in unit costs, will also be conducted. The consequences for each of the comparators will be based on a further consideration of outcomes (for example necessary referrals missed, correct referrals, individuals correctly not referred). The likelihood of these different outcomes (given as percentages) will be described.
為了包括從務實的執行後研究中獲得的見解，經濟評價還將提供下列額外內容:
曼徹斯特子研究組將告知幹預成本的估計，在“現實世界”的應用中交付，可能比從試驗環境中估計的更現實。
曼徹斯特研究小組將被用來進行探索性分析。在這方麵，現實生活子研究組的成本和後果將與試驗組的結果進行比較，以確定兩組數據之間是否有任何有意義的差異，並確定驅動因素是什麼。由於安全性分析將作為子研究的一部分進行，記錄的任何意外不良事件的成本和後果將包括在成本後果分析中。如果在DCE的設計過程中出現明顯的安全事件，那麼這些事件可以作為研究設計中不同屬性和級別的基礎。
離散選擇實驗
除了CCA經濟評估外，還將進行DCE以評估公眾對遠程眼科路徑的偏好。DCE是一種基於屬性的調查方法，用於測量效益。它為參與者提供了至少兩種選擇，它們在不同的興趣屬性中有所不同。這些可包括幹預措施如何提供及其對健康和其他結果的影響的若幹屬性。這些屬性中的每一個都可以在不同的級別範圍內變化。本次幹預的DCE屬性的選擇將根據現有的關於黃斑疾病和提供眼科保健服務的文獻進行。還將檢查定性研究的輸出是否有可能影響服務用戶的偏好的任何屬性。DCE還將用於從貨幣方麵對共同國家評估所包括的不同後果的相對重要性進行評估。為了做到這一點，它將使用之前在其他nih資助的研究中成功使用過的方法。15日16該貨幣價值的結果將用於進一步的成本效益分析。
成本效益分析
發展評估的結果將用於評估共同評估中所述的結果。通過將每個結果的差異與為該結果的單位變化支付意願(WTP)相結合，將結果表示為淨貨幣效益。這些值稱為WTP值，將從上麵描述的DCE派生。成本將作為參與者考慮的屬性的一部分，以便參與者能夠表達所描述結果的WTP值。提供結果的成本將從前麵描述的單位成本中推導出來。從WTP值中減去結果的成本(包括負淨效益)，就可以得到這些結果的貨幣淨效益。
成本屬性的值將基於試點工作和該領域先前研究的回顧，例如Burr等應用DCE監測眼高壓以預防青光眼。價值範圍在15英鎊到70英鎊(2012英鎊)之間。同樣,施等評估了糖尿病視網膜病變篩查服務的WTP，報告了一個較窄的範圍，在4美元到24美元之間(2007美元)。17在建立了屬性之後，就會出現試驗階段。我們將利用調查公司收集足夠大的樣本(www.researchnow.co.uk)．參與者將獲得一筆小獎勵(1 - 2英鎊)來完成調查。整個樣本將盡可能接近英國人口的年齡、性別和種族背景等因素的代表性。DCEs中估計的有限因變量模型的最佳樣本量要求取決於對真實選擇概率的了解，而這在開展本研究之前是未知的。然而，先前的DCE研究表明，穩健的選擇模型可以從50至100名受訪者之間的樣本量估計出來。因此，100名參與者的小規模試點樣本將被用作監測完成率的樣本，並進行初步分析和更改調查中任何必要的部分。在進行初步分析後，將進一步抽樣調查300名參與者，其樣本量將與該領域的其他HTAs相當。DCE的結果將使用條件logit回歸分析進行分析，這將衡量參與者偏好的方向和強度。研究人員還將進行亞組分析，以確定年齡、性別或種族背景等因素是否對最終的偏好產生影響。將進行概率和確定性敏感性分析，以改變參數不確定性的成本和影響。 Results of the probabilistic sensitivity analysis will be presented as point estimates of net benefits, plots of costs and benefits net benefit curves, which show the likelihood of each intervention being most likely to have the highest net benefit.
成果的傳播
研究結果將通過眼科、衛生服務研究和HCI的學術期刊報告;有些將專注於HCI研究的發現，有些將把發現與涵蓋其他主題的平行研究的發現聯係起來。在主研究期之前，PPI研討會將在伯明翰和倫敦舉辦，重點是設計研究，采用早期項目的模型(弗尼斯報告了“之前”的研究)等)．18
倫理與傳播
該研究項目將遵循英國健康和社會護理研究框架。本項目已獲得倫理批準。考慮到隨機對照試驗幹預的低風險性質、社區驗光不涉及HES病例的安全網安排、人工智能診斷準確性研究的觀察性設計以及HCI研究中要調查的主題的相對較低的個人敏感性，預計不會有特別的挑戰。
關於病人記錄和個案報告表格的保密(CRF;在線補充附錄5)，在項目的任何階段，未經事先同意，可識別的病人資料將不會在護理團隊之外被查閱。OCT掃描將采用偽匿名，掃描不包含個人數據。不會將患者姓名等個人標識信息發送給主辦方，並為每次OCT掃描分配一個唯一的識別碼。這個主題代碼日誌將保存在每個研究地點，但不與資助方共享。在數據處理方麵，Moorfields Eye Hospital CRF的高級數據經理將每月獨立要求IT應用團隊進行缺失數據查詢，並對電子數據庫進行範圍檢查、邏輯檢查和數據質量檢查。活動項目數據存儲在專用的安全閱讀中心驅動器中，並有適當的備份安排。隻有閱讀中心的工作人員有權訪問驅動器，並將對每個用戶的訪問進行監控、批準和撤銷。這意味著隻有事先獲得授權的個人才能訪問數據。關於處理試驗文件和主題記錄的進一步細節見附錄6。
計劃輸出
在眼科和衛生服務研究期刊上發表高影響力的同行評議出版物。
在會議上發表演講，包括皇家眼科學院，視覺和眼科研究協會，美國眼科學會會議，驗光師學院。
通過驗證視網膜疾病患者的數字護理路徑，該項目的產出有可能影響眼科保健的保健格局。這項研究的結果將傳達給英國國民醫療服務體係(NHS England)和英國國家衛生與健康研究中心(NHSx)，為包括遠程醫療和人工智能決策支持係統(AI DSS)在內的數字技術的作用的政策提供信息。
研究團隊和主辦方將積極接洽和接觸關鍵各方，如
視光師學院、社區視光及臨床調試小組的利益相關者。
將製定一份詳細的參與計劃，以傳播這項研究的結果，以便為優化患者護理的政策決策提供信息。
倫理語句
病人同意發表
致謝
HERMES研究團隊成員謹向HERMES試驗谘詢委員會成員表示感謝，感謝他們的專家意見和指導，以及他們對研究計劃和實施的寶貴貢獻。試驗指導委員會:主席:Richard Gale教授，約克大學醫院NHS基金會信托。成員:艾琳·斯特拉頓教授，格洛斯特郡醫院NHS基金會信托。Bushra Mushtaq醫生，Sandwell和西伯明翰NHS基金會信托。Gabriella De Salvo博士，南安普頓大學醫院NHS信托基金會。我是黃斑協會的傑拉爾丁·霍德夫人。數據監測委員會:主席:Louise Downey博士，赫爾大學教學醫院NHS基金會信托。成員:Gabriela Czanner博士，利物浦約翰摩爾斯大學。Markus Groppe醫生，白金漢郡NHS信托醫療保健。
補充材料
-
補充數據
這個網絡僅文件已由BMJ出版集團從作者提供的電子文件生產(s)，並沒有編輯的內容。
腳注
推特@ diana han博士，@annblandford， @konbalaskas
貢獻者JEDH和XL收集了方法學數據並起草了手稿。CB, AD和AEL在研究方法和統計分析計劃和手稿的批判性審查方麵提供了智力投入。LV和AEL在研究方法和經濟評價計劃以及對手稿的批判性審查方麵提供了智力投入。AB在研究方法、人機交互分析、計劃和稿件的批判性審查方麵提供了智力投入。JL, RH, GG, CD, EM, DS, TA, PJP, AKD, PAK為研究方法和設計提供了智力投入，對手稿的起草和批判性審查做出了貢獻。KB構思了這項研究，啟動了該項目，為研究方法和設計提供了智力投入，並對手稿進行了批判性審查。
資金該項目由國家衛生條例衛生技術評估贈款資助(HTA項目:18/182 HTA數字技術改善健康和護理)。
相互競爭的利益PAK此前是穀歌DeepMind的顧問。
來源和同行評審不是委托;外部同行評審。
補充材料本內容由作者提供。它沒有經過BMJ出版集團有限公司(BMJ)的審查，也可能沒有經過同行評審。討論的任何意見或建議僅僅是那些作者(s)和不被BMJ認可。BMJ放棄從放在內容上的任何依賴產生的所有責任和責任。如果內容包含任何翻譯材料，BMJ不保證翻譯的準確性和可靠性(包括但不限於當地法規、臨床指南、術語、藥品名稱和藥物劑量)，並且不對翻譯和改編或其他原因引起的任何錯誤和/或遺漏負責。
請求的權限
如果您希望重用這篇文章的任何部分或全部，請使用下麵的鏈接，它將帶您訪問版權清除中心的RightsLink服務。您將能夠快速獲得價格和以多種不同方式重用內容的即時許可。