Komunitní péče o menšinové dospívající s ADHD: Zlepšení věrnosti pomocí supervize za pomoci strojového učení a zpětné vazby věrnosti.

Y02 této studie je malá (N=72) klinická studie fáze 1/fáze 2 supervizní intervence navržená ke zlepšení věrnosti léčby terapeutem a následných výsledků poskytování služeb. Paralelní návrh zahrnuje náhodné přidělení způsobilých a souhlasných pacientů ve třech komunitních agenturách do dvou intervenčních ramen s aktivním dohledem (LC4S nebo ESAU) pomocí permutované blokové randomizační strategie, která zohledňuje agenturu. Účastníci obdrží behaviorální intervence od zaměstnanců komunitních agentur a jejich využití služeb bude sledováno pomocí projektových a agenturních elektronických zdravotních záznamů. Účastníky této studie budou také agenturní terapeuti a supervizoři. Terapeuti budou randomizováni tak, aby dostali buď LC4S nebo ESAU od svého nadřízeného (dvojitá randomizace) pomocí blokové randomizační strategie, která zohledňuje místo. Supervizoři budou v tomto testu spravovat obě podmínky dohledu; vyšetřovatelé však budou systematicky posuzovat kontaminaci, aby posoudili, zda je tento návrh vhodný pro budoucí R01.

Aby se minimalizovala zaujatost, dospívající a rodiče nebudou informováni o skupině, do které byli zařazeni. Úplné maskování terapeutů a supervizorů však není v této studii proveditelné, protože jak supervizoři, tak terapeuti budou vědět, zda se účastní supervizních aktivit podporovaných technologií nebo standardních supervizních aktivit vzhledem k povaze těchto podmínek. Primární zkoušející však zaslepí terapeuty a supervizory vůči našim hypotézám studie a povaze výsledných opatření, aby minimalizoval zkreslení ve studii. Mnohá ​​z těchto opatření budou pozorovací a objektivní (tj. terapeutické záznamy, zvukové nahrávky terapie), což by mělo snížit zkreslení pramenící z self-reportů. Vyšetřovatelé také posoudí, zda existují skupinové účinky na přesnost sebehodnocení terapeuta. Všechny intervence budou prováděny zaměstnanci agentury, od kterých se nebude vyžadovat, aby se řídili protokoly pro provádění intervencí, protože výsledkem této studie je rozsah, v jakém agenturní terapeuti dodržují intervenční postupy s pokyny od svých nadřízených. Hodnocení studie bude spravováno elektronicky prostřednictvím Care4 a na sběr dat budou dohlížet zaměstnanci studie.

Každá míra věrnosti bude analyzována pomocí samostatného smíšeného/růstového modelu (Duncan et al., 1999). V tomto designu jsou léčebná sezení (úroveň 1) vnořena do dospívajících (úroveň 2), kteří jsou vnořeni do terapeutů (úroveň 3). Každý adolescent absolvuje až 10 sezení; každý terapeut ošetřuje 3 dospívající. Supervizoři slouží jako další vyšší úroveň, ale s tak malým počtem dohlížitelů (přibližně 6) bude toto řešeno zahrnutím fiktivních prediktorových proměnných reprezentujících supervizory. Pro každý výsledek věrnosti bude testován přímý účinek LC4S vs. ESAU na zachycení věrnosti a sklon (viz tabulka 3). S časem zaměřeným na první sezení odráží zachycení počáteční věrnost pro podmínku ESAU, skupinový efekt odráží počáteční rozdíl věrnosti mezi ESAU a LC4S, časový efekt odráží lineární změnu věrnosti v průběhu času pro podmínku ESAU a interakci času a skupiny odráží rozdíl mezi ESAU a LC4S v lineární změně věrnosti v čase. V rámci R34 odhadne vnitrotřídní korelaci (ICC) a návrhový efekt pro shlukovací účinek terapeuta a supervizora na výsledek, aby se určil rozsah, v jakém bude v budoucí R01 potřeba další shlukování. ICC se pohybuje od 0 do 1, přičemž vyšší hodnoty odrážejí větší podíl rozptylu na vyšších úrovních (zde spíše terapeut a supervizor než adolescent). Vyšetřovatelé budou také testovat lineární i nelineární svahy, aby zjistili očekávaný tvar LGCA v budoucí R01. Čas do kompetence terapeuta MI, podíl EBT dodaného 10. sezením a počet sezení a dnů do dokončení EBT budou modelovány pomocí regrese (lineární, logistická nebo Poissonova v závislosti na rozložení výsledných proměnných) se skupinou jako prediktor. Přesnost sebehodnocení terapeuta bude analyzována pomocí polynomiální regrese (Laird & LaFleur, 2013).

Pomocí balíčku R powerlmm mají vyšetřovatelé odhad 0,8 schopnost detekovat velké účinky (d = 0,8) představující skupinové rozdíly na úrovni adolescentů (úroveň 2); vyšetřovatelé mají .4 výkon pro detekci středních účinků (d = 0,5) představující skupinové rozdíly na úrovni adolescentů. Naše hypotézy jsou však primárně na úrovni terapeuta (úroveň 3), který má méně jednotek (tj. 12 terapeutů na stav oproti 36 dospívajícím na stav). Jako takové budou odhadnuty míry účinků jak na úrovni adolescentů, tak na úrovni terapeuta. Pro výkon pro výpočet ICC vyšetřovatelé použili balíček ICC.Sample.Size R založený na Zou (2012). Při velikosti vzorku 72 účastníků, 10 pozorováních na účastníka, alfa rovné 0,05 a dvoustranném testu mají vyšetřovatelé více než 0,9 výkon detekuje ICC 0,2. Hodnoty ICC pro průřezová data, jako jsou děti ve třídách, jsou přibližně 0,2 (Hedges & Hedberg, 2007). Vyšetřovatelé v této studii očekávají vynikající přesnost odhadu hodnot ICC.