Auswirkungen von WelTel auf die COVID-19-Patientenversorgung in Ruanda

Die Isolierung von Patienten mit ansteckenden Krankheiten, wie COVID-19, ist wichtig, um die Ausbreitung des Virus zu stoppen. So werden kranke Menschen von gesunden Personen getrennt, was es den Gesundheitsmitarbeitern ermöglicht, sich besser auf die wirklich pflegebedürftigen Fälle in den Krankenhäusern zu konzentrieren. Allerdings können Menschen in Isolation Veränderungen ihrer Gesundheit und zusätzlichen Stress erleben, weil sie von anderen getrennt sind. Um diese Herausforderungen anzugehen, ist es entscheidend, genauer zu betrachten, wie Isolation, sowohl zu Hause als auch in Einrichtungen, die Gesundheit der Menschen während einer Pandemie beeinflusst.

In Ruanda hat die Regierung zu Beginn der COVID-19-Pandemie einen digitalen Gesundheitsdienst namens WelTel ins Leben gerufen. Dieser Dienst nutzt Textnachrichten, um sich nach isolierten Personen zu erkundigen und sie zu unterstützen. Er erlaubte es den Gesundheitsmitarbeitern, die Fälle von einem zentralen Ort aus zu überwachen. Die Nutzung von WelTel setzte sich während der Notfallphase der Pandemie im Rahmen des Home-Based Care-Programms Ruandas fort. Die Plattform wurde wegen ihrer nachgewiesenen Wirksamkeit in HIV-Programmen, ihrer leichten Zugänglichkeit und der Tatsache gewählt, dass die meisten Ruander Handys hatten, obwohl der Internetzugang begrenzt war.

#Der WelTel SMS-Dienst

Mit WelTel konnten Gesundheitsmitarbeiter täglich Nachrichten an isolierte Personen senden. Diese Nachrichten erlaubten es den Patienten, zu antworten und ihren Gesundheitszustand mitzuteilen, Fragen zu stellen oder Hilfe anzufordern. Frühere Studien haben gezeigt, dass diese Textgespräche viele verschiedene Probleme aufzeigen können, mit denen Patienten konfrontiert sind, und die Gesundheitsmitarbeiter darauf basierend aktiv werden können.

Dank neuer Fortschritte in der Verarbeitung natürlicher Sprache (NLP) ist es nun möglich, grosse Mengen an Text schnell zu analysieren, indem die Informationen in verschiedene Themen klassifiziert werden. Während NLP bereits in Krankenhäusern verwendet wurde, um Diskussionen zwischen Gesundheitsfachleuten und Patienten zu kennzeichnen, wurde es bis zu diesem Einsatz in Ruanda nicht flächendeckend umgesetzt.

#Ziel der Studie

Diese Studie hatte zum Ziel, alle Textgespräche zwischen öffentlichen Gesundheitsbehörden und isolierten COVID-19-Patienten in Ruanda während der ersten beiden Jahre der Pandemie zu analysieren. Indem wir die Gespräche aus klinischen, sozialen und logistischen Perspektiven betrachteten, hofften wir, die Bedürfnisse und Erfahrungen der Patienten während ihrer Isolation zu erkennen. Diese Analyse könnte den Gesundheitsführern helfen, bessere Entscheidungen im Hinblick auf das Ausbruchsmanagement zu treffen.

#Teilnahme an den Textnachrichten-Gesprächen

Während der Studie meldete Ruanda über 131.000 COVID-19-Fälle, von denen etwa 33.000 Personen für den WelTel-Dienst registriert waren. Die Anzahl der registrierten Patienten und die Menge der SMS-Aktivitäten spiegelten den allgemeinen Trend der COVID-19-Fälle im Land wider, mit Spitzen und Tälern, die höhere oder niedrigere Gesprächsraten während unterschiedlicher Wellen der Pandemie zeigten.

Von den registrierten Patienten nutzten etwa 6.000 den Dienst, was über 12.000 Gespräche erzeugte. Faktoren wie Geschlecht und ob eine Person ein COVID-19-Fall oder Kontaktperson war, beeinflussten die Häufigkeit der Nachrichten. Frauen waren weniger geneigt, Gespräche zu initiieren, während Kontaktpersonen, die gefährdet waren, anscheinend aktiver waren als bestätigte Fälle.

#Merkmale der Gespräche

Im Durchschnitt hatte jeder Patient ein Gespräch, das aus ein paar Textnachrichten bestand. Die meisten Nachrichten wurden auf Kinyarwanda ausgetauscht, während andere auf Englisch und regionalen Sprachen verfasst waren. Die Gespräche drehten sich hauptsächlich um medizinische Themen, wie Symptome, Diagnosemethoden und Präventionsstrategien. Soziale Themen, wie Diskussionen über Kultur, Familie und Nahrungsbedürfnisse, wurden ebenfalls unter den Patienten vermerkt.

#Analyse der Gespräche

Wir verwendeten eine Kombination aus menschlichem Labeling und maschinellem Lernen, um die Themen, die in den Gesprächen diskutiert wurden, zu klassifizieren. Die meisten Themen waren medizinische Anliegen, wobei Symptome das häufigste Thema waren. Ausserdem sprachen die Patienten über logistische Fragen, Behandlungsoptionen und Präventionsmassnahmen. Soziale Diskussionen traten ebenfalls auf und hoben den Bedarf an Unterstützung über die medizinische Versorgung hinaus hervor.

Wir testeten verschiedene Modelle zur Klassifizierung der Textthemen. Traditionelle maschinelle Lernmodelle schnitten gut mit den Originalgesprächen in Kinyarwanda ab, während Modelle, die auf englisch übersetzten Text trainiert wurden, insgesamt besser abschnitten. Dieses Problem spiegelt die Herausforderungen wider, mit denen man konfrontiert ist, wenn man mit Sprachen arbeitet, für die weniger Trainingsdaten verfügbar sind.

#Vorbereitung zur Überwachung

Ruanda, ein Land mit etwa 14 Millionen Menschen, wurde für seine schnelle Reaktion auf COVID-19 anerkannt. Das WelTel-System begann zu arbeiten, sobald die ersten Fälle gemeldet wurden. Dieser Dienst ermöglichte es den Gesundheitsmitarbeitern, Personen zu überwachen, die positiv getestet wurden oder ein hohes Risiko hatten. Anstatt Patienten ins Krankenhaus zu schicken, erhielten diejenigen mit milden Fällen die Anweisung, zu Hause zu bleiben und wurden über Textnachrichten überwacht.

Die Gesundheitsmitarbeiter schickten tägliche Check-in-Nachrichten in mehreren Sprachen an die registrierten Patienten. Patienten konnten mit Updates zu ihrer Gesundheit oder Anfragen antworten. Wenn ein Patient ein Problem angab, wurde dies zur Nachverfolgung durch einen öffentlichen Gesundheitsbeamten gekennzeichnet.

#Datenerhebung

Daten wurden aus der WelTel-Datenbank gesammelt und alle Gespräche mit dem demografischen Info aus dem COVID-19-Testregister verknüpft. Persönliche Informationen wurden zum Schutz der Privatsphäre entfernt. Ein Gespräch wurde als ein Austausch definiert, der mindestens eine Nachricht von einem Patienten und eine Antwort von Gesundheitsmitarbeitern enthielt.

Wir wollten eine Liste von Themen erstellen, die in den öffentlichen Gesundheitsdiskussionen wichtig waren und Aufmerksamkeit benötigten. Die Liste wurde mit Unterstützung von Gesundheitsexperten entwickelt und dann verwendet, um die Gespräche zu kategorisieren.

#Klassifizierung der Textnachrichten

Verschiedene maschinelle Lernmodelle wurden verwendet, um die beste Methode zur Klassifizierung der Themen in den Textnachrichten zu bestimmen. Unterschiedliche Techniken wurden getestet, einschliesslich traditioneller Modelle und neuerer transformer-basierter Modelle, die in vielen Sprachaufgaben vielversprechend waren. Der Erfolg dieser Modelle hängt jedoch stark von der Sprache ab, auf die sie trainiert wurden, wobei viele Modelle in Sprachbereichen mit weniger Ressourcen schlechter abschneiden.

#Ergebnisse und Auswirkungen

Diese Studie ist bemerkenswert, da sie die erste grossangelegte Nutzung von NLP zur Analyse von Patientengesprächen in einem Pandemiesetting ist. Durch die Kombination von manueller und maschineller Klassifikation konnten wir sehen, welche Themen während der Isolation der Patienten am häufigsten und relevant waren.

Die Daten zeigten, dass medizinische Diskussionen dominierten, aber soziale Themen ebenfalls wichtig waren. Das weist darauf hin, dass, während gesundheitliche Anliegen von grösster Bedeutung sind, die sozialen Faktoren rund um die Isolation nicht übersehen werden können. Umfassende Unterstützung wird für Patienten in Isolation entscheidend sein, insbesondere in Bezug auf Aspekte wie Ernährungssicherheit und emotionales Wohlbefinden.

#Herausforderungen und zukünftige Überlegungen

Die Forschung hatte einige Einschränkungen. Die Notwendigkeit vordefinierter Themen erforderte eine detaillierte Vorbereitung und könnte später in der Pandemie zu übersehenden aufkommenden Themen führen. Flexiblere Modelle, die sich an sich ändernde Situationen anpassen können, könnten in Zukunft benötigt werden.

Die Ergebnisse zeigen, dass es an der Zeit ist, verbesserte Werkzeuge zur kontinuierlichen Analyse von Patientenfeedback und Erfahrungen zu entwickeln. Da die Kommunikation in Krisenzeiten wie Pandemien in Echtzeit schwankt, könnte eine sofortige Analyse erhebliche Auswirkungen auf die Reaktionen im öffentlichen Gesundheitswesen haben.

Zukünftige Forschungen sollten sich darauf konzentrieren, die Bewertung von Textnachrichten in der Patientenversorgung zu optimieren. Es ist wichtig, die Ressourcen zu berücksichtigen, die verschiedenen Bevölkerungsgruppen zur Verfügung stehen, und dafür zu sorgen, dass alle Sprachen gleichwertige digitale Dienste erhalten können.

#Fazit

Die Studie hat das Potenzial gezeigt, Technologie zur Überwachung der Gesundheit und zur Unterstützung während Pandemien zu nutzen. Die Fähigkeit, Gespräche zu analysieren, kann Einblicke in die Bedürfnisse der Patienten geben und zukünftige Reaktionen im Gesundheitswesen gestalten. Während wir voranschreiten, wird es entscheidend sein, auf Inklusivität und effektive Kommunikationstechnologie zu achten, um sicherzustellen, dass alle während gesundheitlicher Krisen unterstützt werden.