PAUSE: Sick Day Medication Management Mobile App Study (PAUSE)

Náš předchozí výzkum se týkal poskytovatelů zdravotní péče z Alberty ohledně „faktorů ovlivňujících rozhodnutí lékaře poskytovat pacientům s diabetem a chronickým onemocněním ledvin pokyny k léčbě nemocných, aby se předešlo nežádoucím příhodám“. Naše výsledky ukázaly, že 75 % primárních poskytovatelů zdravotní péče vědělo o poradenství v oblasti nemocenské, ale pouze 56 % vědělo, kde hledat pokyny a zdroje. Převážná většina respondentů (97 %) podpořila zařazení pacientů do studie hodnotící alternativní inovace pro poskytování poradenství při podávání léků v den nemoci.

V nedávném přehledu rozsahu, který shrnuje existující intervence, náš výzkumný tým zjistil, že většina publikovaných dokumentů SDMG byla zaměřena na poskytovatele zdravotní péče, s několika dokumenty zaměřenými na pacienty. Jednalo se zejména o letáky, karty velikosti peněženky, webové stránky nebo telefonickou podporu. Primární výzkum vývoje, implementace nebo hodnocení současných intervencí SDMG je omezený. U většiny bylo hlášeno, že je obtížné je dodržet a identifikace dnů nemoci nebo oprávněných léků bez chyb byla nízká. Tento průzkum a přehled zdůrazňují potřebu vyvinout a vyhodnotit nová řešení pro poskytování SDMG pacientům. Naše předchozí práce také zjistila, že senioři v Kanadě byli vnímaví k používání elektronických komunikačních prostředků a několik pacientů projevilo zájem o používání nástrojů elektronického zdravotnictví (eHealth) pro sebeřízení při nemocenské.

Účastníci, kteří obdrží intervenci, získají přístup k aplikaci PAUSE, nástroji pro samořízení pro SDMG, který je určen pacientům k použití během akutního onemocnění. Záznamy lékáren Loblaw/Shoppers Drug Mart uživatelů jsou elektronicky propojeny s aplikací PAUSE v rámci aplikace President's Choice (PC) Health, která umožňuje aktuální doporučení na základě aktuálně předepsaných léků. Aplikace pokládá uživatelům řadu otázek týkajících se příznaků a příznaků, které identifikují způsobilou nemoc z důvodu nemoci, a obrazovky pro „červené příznaky“, které by vyžadovaly pohotovost nebo doporučení poskytovatele zdravotní péče nebo urgentní péče, a pomáhá pacientům identifikovat, které ze svých léků by měli mít. dočasně pozastavit nebo upravit, přizpůsobené aktuálnímu seznamu léků pacienta. Cílem je poskytnout pacientům interaktivní podporu pro správu léků během dne nemoci. V rámci intervence dostanou pacienti také příbalový leták pro pacienty SDMG. Intervence řeší dříve identifikované problémy s identifikací způsobilých příznaků a symptomů, které odůvodňují SDMG a které léky se kvalifikují prostřednictvím interaktivní a individualizované elektronické aplikace navržené pro usnadnění poskytování SDMG. Obvyklá pečovatelská skupina obdrží leták pro pacienty SDMG, který popisuje SDMG a uvádí, které léky jsou způsobilé pro SDMG.

Na základě předběžných údajů vyšetřovatelé předpokládají absolutní rozdíl 30 % (50 % s aplikací PAUSE vs. 20 % bez aplikace PAUSE) v podílu účastníků, kteří absolvují simulovaný sick day bezchybně. Při použití oboustranného alfa 0,05, 80% síly a mezitřídního korelačního koeficientu 0,1 mezi shluky lékáren bude vyžadován vzorek o velikosti 280 účastníků. Aby bylo možné započítat 10% ztrátu při sledování, vyšetřovatelé se zaměří na nábor celkem 320 účastníků studie. Vyšetřovatelé plánují přijmout 16 lékáren, z nichž každá přijme 20 účastníků.

Analýza dat Základní údaje účastníků, včetně sociodemografických údajů, komorbidit a aktivních předpisů, budou analyzovány pomocí popisných statistik. Výsledky proveditelnosti a věrnosti budou hlášeny pomocí popisné statistiky s čísly a procenty. Srovnání výsledků mezi skupinami (např. aplikace PAUSE vs. obvyklá péče) budou hlášena pomocí neupravených a upravených zobecněných odhadových rovnic, aby se určily průměrné rozdíly a rozdíly v riziku mezi skupinami. K vyhodnocení skupinových rozdílů po období sledování se podle potřeby použijí deskriptivní statistiky. Asociace mezi klíčovými proměnnými a výsledky studie budou analyzovány pomocí vhodných jednorozměrných, vícerozměrných a smíšených modelových analýz. Budou provedeny průzkumné analýzy dat Google Analytics, aby se vytvořily přehledy o chování uživatelů. Analýzy rutinně shromažďovaných zdravotních údajů během 5letého prodlouženého období sledování budou použity ke stanovení případného účinku intervence na zdravotní výsledky.

Simulovaná vyhodnocení nemocenského dne budou skórována a analyzována podle předem definovaných skórovacích karet na základě scénářů používaných Doerflerem a kol. měření správného použití SDMG během akutního onemocnění. Log-binomické regresní modely budou použity k přímému odhadu rizikových poměrů (RR) a 95% intervalů spolehlivosti pro výsledek bezchybného dokončení simulovaného nemocenského dne a také pro správné dokončení každé ze 3 jednotlivých složek simulace nemocného dne. Náhodné efekty budou použity pro vysvětlení shlukování lékáren. Neupravené a upravené modely budou vhodné, včetně fixních efektů pro jednotlivé charakteristiky účastníků včetně věku, pohlaví, demografie, diabetu, dalších komorbidit, počtu způsobilých léků a jakýchkoli dalších významných matoucích proměnných z jednorozměrných analýz. Údaje shromážděné od účastníků o užitečnosti aplikace PAUSE a/nebo materiálu SDMG pro pacienty při řízení simulovaného dne nemoci a celkové přijatelnosti intervencí budou použity k dalšímu posouzení věrnosti intervence. Všechny statistické analýzy budou dokončeny v R.

Vybraní účastníci (pacienti a lékárníci) budou pozváni k pohovoru po jejich simulovaném vyhodnocení scénáře nemocenského dne na základě strategie cíleného odběru vzorků. S účastníky a lékárníky budou vedeny polostrukturované rozhovory jeden na jednoho v délce 30–60 minut. Otázky a analýzy při pohovoru se budou v průběhu studie opakovat, aby bylo možné v pozdějších pohovorech prozkoumat vznikající nebo nepravidelná témata. Kvalitativní rozhovory budou nahrávány zvukem, doslovně přepisovány a zkoumány pomocí několika fází induktivní tematické analýzy. Shromážděné terénní poznámky a přepisy z rozhovorů budou analyzovány pomocí softwaru pro kvalitativní analýzu NVIVO. Analýza dat začne ihned po ukončení prvního účastnického rozhovoru. Data budou kódována dvěma výzkumníky nezávisle na sobě a poté budou kódy po prvním rozhovoru porovnány za účelem návrhu kódovacího manuálu pro následující rozhovory.