Účinnost 2 ošetření pro starší dospělé

Studovat design:

Klastrová randomizovaná klinická studie (RCT) je plánována ve 22 veřejně dotovaných ubytovacích zařízeních (HUD sekce 202) a dalších nízkopříjmových programech poukazů na bydlení v NE Ohio a bude randomizována do 2 ramen: Arm 1 (11 míst) – Účastníci obdrží pololetní SDF; Arm 2 (11 míst): Účastníci obdrží ART + FV dvakrát ročně. Všichni účastníci budou sledováni po dobu jednoho roku a při všech návštěvách obdrží zubní screening a profylaktické čištění.

Studijní populace a prostředí:

Dlouhodobým cílem je snížit rozdíly a zlepšit rovnost orálního zdraví u starších dospělých s nízkými příjmy. Bezprostředním cílem je otestovat intervence k řešení rozdílů. Populace/nastavení tedy budou dospělí s nízkým socioekonomickým statusem (SES) ve věku ≥ 62 let v 6 okresech NE Ohio (Cuyahoga, Lorain, Summit, Ashtabula, Geauga a Lake) sídlících v HUD Section 202 a dalších veřejně dotovaných ubytovacích zařízeních. . Správci poskytli dopisy podpory potvrzující dostupnost stránek a záměr zúčastnit se. Populace je různorodá: Afroameričan/Černý, kavkazský/bílý včetně hispánců/latinonů a Asiat. V 6 okresech je 64 sídlišť HUD s 3 661 nájemními jednotkami. Dalších 87 nízkopříjmových zařízení pro seniory připadá na krajské bytové úřady a přibylo 11 667 jednotek. K dispozici je tedy celkem 151 zařízení a 15 328 starších dospělých.

Cíle velikosti vzorku 22 míst a 550 účastníků bude snadno dosaženo. Účast mezi nájemníky Medicaid je 76 % mezi zařízeními. Z předchozí studie v těchto zařízeních se očekává, že průměrný věk je 74 let, 76 % žen, 51 % bělochů, 45 % Afroameričanů, 2 % Hispánců a 2 % jiných rasových/etnických skupin; 60 % HUD starších dospělých nemělo žádné/vzácné zubní návštěvy za více než 3 roky.

Vzhledem k omezením COVID-19, která zabránila externím návštěvníkům/poskytovatelům v místech ubytování, bude nábor trvat déle než předpokládaných 24 měsíců. Navíc přibližně 40 zařazených jedinců nedokončilo 26týdenní návštěvu/druhou dávku léčby. Celkový počet zapsaných účastníků jsme proto navýšili o 40. Do studie jsme také přidali čtyři další ubytovací zařízení, abychom řešili některá zpoždění v náboru kvůli pandemii COVID-19.

Další 4 místa budou také náhodně rozdělena do ramene 1 a ramene 2 pro celkem 13 míst v každém rameni

Nábor účastníků:

Při náboru budou použity úspěšné strategie z předchozích studií a od zúčastněných stran budou požadovány informace. Strategie, které budou použity, jsou následující: Koordinátoři služeb ve všech 22 zařízeních budou sloužit jako prostředníci na místě. Vedoucí studie/projektový manažer poskytne koordinátorům služeb úvodní dopis/leták obsahující informace o studii, který bude předán nájemcům a který bude vyvěšen ve veřejných prostorách zařízení. Koordinátoři služeb nejprve uspořádají informační schůzku (studijní zubní lékař bude mluvit o intervencích navržených našimi zúčastněnými stranami) a uspořádají druhou náborovou schůzku pro studijní pracovníky, aby na plánovaných skupinových akcích prezentovali informace týkající se studie (např. setkání nájemníků, veletrhy zdraví). Pro účely plánování budou mít koordinátoři služeb registrační formulář pro zájemce o sezení. Pracovníci studie naplánují ty, kteří mají zájem a splňují kritéria pro zařazení, na individuální sezení v ubytovacím zařízení, aby získali informovaný souhlas a shromáždili základní údaje z průzkumu. Základní zubní vyšetření a schůzky s ošetřením pak budou naplánovány v každém zařízení podle určených dnů vyšetření pro každé zařízení, které nastanou přibližně 1-2 týdny po souhlasu a sběru výchozích dat. Šestiměsíční a dvanáctiměsíční zubní zkoušky/léčba a individuální pohovory pro dokončení následného průzkumu pro každý časový bod proběhnou také v ubytovacím zařízení, kde účastníci bydlí.

Postupy randomizace:

Randomizace je na úrovni klastru (bytového zařízení) pro logistickou efektivitu. Tím se výrazně sníží možnost chyby, která by se jinak mohla vyskytnout u lidí na stejném místě, kterým byla přidělena různá léčba. Kromě toho zachování stejného ošetření na každém místě snižuje pravděpodobnost „kontaminace“ (tj. účastník diskutující o své léčbě s ostatními). Navíc bude použita stratifikovaná klastrová randomizace, tj. blokový (omezený) randomizační přístup, ve kterém je zajištěna rovnováha nad léčbou pro 2 klíčové proměnné na úrovni klastru (stratifikace), jmenovitě velikost zařízení (>100 versus ≤100 obyvatel) a geografickou polohu. (Cuyahoga County vs ostatní). Statistik projektu vygeneruje randomizační schéma pro 22 ubytovacích zařízení.

Analytický plán:

Každý primární výsledek bude porovnán mezi skupinami SDF a ART+FV. Pro bolest zubů bude vypočítán 95% interval spolehlivosti (CI) založený na t-testu pro rozdíl středních odpovědí (SDF mínus ART+FV). Pokud tento interval spolehlivosti leží v intervalu (-∞, 8), můžeme dospět k závěru o „non-inferioritě“ SDF vzhledem k léčbě ART+FV. Interval spolehlivosti může být sekundárně zkoumán pro posouzení možné převahy jednoho zásahu nad druhým. Pro míru zadržení bude vypočítán 95% CI pro rozdíl v rychlostech (na základě statistiky z). Pokud tento interval spolehlivosti leží v intervalu (-0,09, 1), můžeme dospět k závěru o „non-inferioritě“ SDF vzhledem k léčbě ART+FV. Jak je uvedeno výše, lze také posoudit případnou nadřazenost jednoho zásahu nad druhým. Pro ostatní výsledky bude také použit výpočet 95% CI pro rozdíly v průměrech (nebo proporcích pro binární výsledky). Tyto sekundární výsledky budou posouzeny průzkumným způsobem na možnou nadřazenost nebo podřadnost na základě vhodných rozpětí.

K potvrzení počátečních výsledků bude použit přístup zobecněných odhadových rovnic (GEE). Pro každý výsledek bude vhodný GEE (marginální) model, který zahrnuje indikátor léčby a prognostické proměnné (včetně sociodemografických proměnných, zdravotních stavů a ​​chování v oblasti ústního zdraví). Budou specifikovány vhodné funkce propojení (např. logit link pro binární výsledky a link identity pro spojité výsledky) a bude použita vyměnitelná pracovní korelační matice, která umožní korelace v rámci lokality. Výsledek zástavy bude analyzován jako binární výsledek (jak je popsáno v části o velikosti vzorku) a sekundárně jako počet zastavených lézí za předpokladu vhodné distribuce (např. negativní binomie) a funkce propojení (např. log link). Robustní t testy s korekcí pro malý počet shluků budou použity k testování účinků léčby a vypočítá se odpovídající 95% interval spolehlivosti.

Sekundárně bude výše uvedený přístup GEE rozšířen o analýzu opakovaných (výchozí, 26. a 52. týden) měření pro každý výsledek. Modely pro každý výsledek budou zahrnovat stejné prognostické proměnné jako dříve, stejně jako čas a čas podle interakce léčby. Budou povoleny korelace mezi opakovanými měřeními, např. pomocí autokorelační struktury prvního řádu. Pokud by byla nalezena podstatná korelace uvnitř zařízení, bylo by nutné začlenit zařízení jako druhé úrovně shluku (v rámci kterých je vnořena osoba - první úroveň shluku). Kromě toho bude také použit odhad a testování (prostřednictvím robustního t-testu) interakčního členu pro porovnání trendů v čase pro tyto dvě intervence. Pokud se použití dvou klastrových úrovní neukáže jako proveditelné v přístupu GEE, bude zvážen obecný přístup modelu se smíšenými efekty.

Standardy kauzální inference: Použití randomizace a úpravy v regresních modelech by mělo být dostatečné k poskytnutí kauzálně interpretovatelných odhadů účinku intervence; speciální kauzální inferenční techniky, jako je propensity score nebo instrumentální proměnné metody často indikované pro observační studie, proto nebudou pro analýzu dat nutné. Při kauzálním usuzování o zamýšlených intervencích se vyhneme zkreslení pomocí přístupu zaměřeného na léčbu, ve kterém jsou jednotlivci analyzováni podle randomizovaných skupin bez ohledu na (rozsah) skutečně přijaté léčby.

Analýzy citlivosti: Bude kontrolována citlivost závěrů na modelové předpoklady a také metodická rozhodnutí, jako je definice výsledku. Zejména pro výsledek zástavy je primární analýza založena na binárním indikátoru „úplného“ zastavení všech lézí u jednotlivce. Výsledky budou z tohoto přístupu potvrzeny alternativním přístupem analyzujícím počet zastavených lézí. U analýz GEE, plánovaných pro všechny výsledky, bude citlivost částečně posuzována pomocí alternativních pracovních kovariančních struktur a alternativních souborů prediktorů. U některých výsledků budou zvažovány alternativní distribuce; například pro počet zastavených lézí možné distribuce zahrnují Poissonovo, negativní binomické číslo, nulově nafouknuté Poissonovo číslo (ZIP) a nulové nafouknuté negativní binomické číslo (ZINB). Citlivost na předpoklady týkající se chybějících údajů bude rovněž zkoumána, jak je dále popsáno níže.

Chybějící data. (a) Metody prevence a monitorování chybějících údajů: Všechny dotazníky (pomocí tablet) a formuláře pro hodnocení zubního lékaře (pomocí papíru) budou spravovány v elektronické databázi (REDCap) pracovníky studie. Týdenní kontroly kvality budou prováděny za účelem zjištění odlehlých hodnot, vstupních chyb, chybějících dat a potenciálních datových anomálií. Statistické analýzy, souhrny a zprávy o chybějících datech budou generovány biostatistikem studie měsíčně během studie. (b) Statistické metody pro zpracování chybějících dat a zohlednění statistické nejistoty v důsledku chybějících údajů: Primární analýzy, které využívají GEE na základě všech dostupných pozorování, předpokládají, že výsledky zcela náhodně chybí (MCAR). Jako počáteční posouzení chybějících datových vzorců budou intervenční skupiny (včetně příslušných podskupin a časového bodu) porovnány s ohledem na míru chybějících výsledků. Test na vztah mezi chybějícími a výsledky v raných časových bodech vyhodnotí věrohodnost předpokladu MCAR. K zajištění platných závěrů budou použity vícenásobné imputační metody (zavedená metoda). (d) Plány pro záznam a hlášení výpadků a chybějících dat: Data ze zkoušek budou spravována pomocí softwaru REDCap, který v současnosti běží na Case Western Reserve University (CWRU). REDCap je bezpečná webová aplikace poskytující intuitivní rozhraní pro validované zadávání dat, auditní záznamy pro sledování manipulace s daty a postupy exportu a automatizované exportní procedury pro bezproblémové stahování dat do běžných statistických balíků. Zprávy o chybějících datech budou generovány každý týden z REDCap pro včasné řešení a účely podávání zpráv. (e) Plány na zkoumání citlivosti závěrů na metody chybějících údajů Jak bylo uvedeno výše, k získání platných závěrů bude použito vícenásobné imputování za přítomnosti údajů, které zcela náhodně nechybí. Prediktivní průměrná shoda s vhodným predikčním modelem bude použita v závislosti na výsledku (např. logistická regrese pro binární výsledky, lineární regrese pro spojité a početní výsledky). V rámci citlivostních analýz budou použity alternativní imputační modely.