Mobilní textový přístup k měření a zpětné vazbě pro koordinaci komplexní péče (SMARTwrap)

Cílem této fáze II SBIR je vyvinout a otestovat nový systém měření a zpětné vazby přizpůsobený modelu Wraparound Service Model (WSM), nazvaný SMART-Wrap. Cíl 3 spočívá v kontrolované účinnostní studii SMART-Wrap, ve které se budou účastnit 2 organizace poskytující WSM (WPO) v paralelní skupinově randomizované studii. Pomocí kaskádové strategie náboru bude rekrutováno 24 týmů péče, přičemž 12 týmů bude randomizováno k intervenci SMART-Wrap versus 12 k "běžným službám" (SAU), s rozvrstvením podle supervizora pro vyvážení klastrových efektů. Randomizace bude provedena na úrovni koordinátora péče (CC). Každý supervizor WPO (n = 12) bude mít stejný počet CC přiřazených ke každé podmínce (přibližně 2 CC pro každého supervizora), což povede k 6 supervizorům v každé podmínce (4 na WPO). Účastníci týmu péče musí souhlasit s používáním prototypu SMART-Wrap jako součásti jejich WSM během 8měsíčního testovacího období a vyplňovat měření služeb a implementačních výsledků. Používání standardizovaného hodnocení, revize plánu a dalších chování podporovaných SMART-Wrap ze strany CC bude hodnoceno prostřednictvím měsíčních webových průzkumů. Výzkumníci zapojí n=5 pečovatelů (CG) na CC, kteří budou hlavním zaměřením sběru dat. To povede k celkovému rekrutovanému vzorku N=120 (n=60 na skupinu) pečovatelů mládeže ve věku 8-17 let s SED. Rodinní účastníci se budou účastnit celkem 4 měsíců, přičemž začnou v rámci 4měsíčního zápisového období. Rodinní účastníci budou odpovídat na měření týkající se služeb a výsledků mládeže na začátku a po 4 měsících.

Výzkumníci předpokládají následující pro naše primární výsledky: (1) ve srovnání s týmy péče v kontrolní skupině prokážou týmy péče ve skupině SMART-Wrap (a) větší využití dat a zpětné vazby při poskytování služeb; (b) větší věrnost procesu Wraparound; (c) vyšší sebeposouzený týmový duch, pracovní alianci a spokojenost s intervencí; a (d) pozitivnější postoje ke standardizovanému hodnocení; a (2) ve srovnání s kontrolní skupinou budou pečovatelé mládeže přijímající služby od týmů péče používajících SMART-Wrap hlásit (a) větší jasnost cílů; (b) větší využití strategií MBC; (c) větší spokojenost se službami a pokrokem; (d) lepší věrnost Wraparound; (e) efektivnější fungování týmu; a (f) pozitivnější výsledky, včetně sníženého stresu pečovatelů a zlepšených symptomů a fungování.

Naše průzkumné hypotézy se zaměřují na supervizi, aby se zjistilo, zda (1) supervizoři randomizovaní k SMART-Wrap hlásí (a) větší podíl času supervize strávený revizí dat o pokroku rodiny a konceptualizaci případu a strategiích; (b) větší alianci s koordinátorem péče a (c) větší vnímání účinnosti CC. Výzkumníci také prozkoumají (2) validitu měření SMART-Wrap tím, že se zeptají, zda domény hodnocené prostřednictvím SMART-Wrap při poskytování služeb (např. aliance, pokrok, spokojenost, fungování) souvisejí s daty shromážděnými externím výzkumným týmem prostřednictvím rozhovorů a průzkumů.

Pro vyhodnocení rozdílů v výsledcích mládeže a CG (fungování mládeže na Top Problem Assessment (TPA), symptomy mládeže na Brief Problem Checklist (BPC) a zátěž pečovatele na Caregiver Strain Questionnaire (CSGQ)) použijí výzkumníci sérii 3úrovňových longitudinálních hierarchických lineárních modelů (samostatný model na výstupní proměnnou) pro porovnání rozdílů ve skupinových rychlostech změny a středních skóre v časových bodech na základě intervenční podmínky. Výzkumníci také otestují křivočaré časové trendy na pěti časových bodech dat na TPA.

Pro vyhodnocení implementačních výsledků provedou výzkumníci následující analýzy. Bude spuštěna série 2úrovňových průřezových HLM s rodinami vnořenými do CC pro posouzení věrnosti Wraparound CG a CC na Wraparound Fidelity Index, Brief Version jako funkce intervenční podmínky. Samostatné 3úrovňové longitudinální HLM budou spuštěny pro testování rozdílů, jako funkce intervenční podmínky, na spokojenosti CC na Therapist Satisfaction Inventory, postojích ke standardizovanému hodnocení na Attitudes Towards Standardized Assessment scale a procentu času během supervizních schůzek stráveného (1) revizí dat o pokroku rodiny a (2) konceptualizací případu a strategiemi na Supervision Process Questionnaire (SPQ) (s úrovněmi pro časový bod, CC a supervizora na SPQ). Longitudinální HLM budou spuštěny pro průzkum rychlosti změny ve využití dat/zpětné vazby a dalších cílů MFS na Monthly CC Report (MCR) a Monthly CG Report (MPR) a výzkumníci otestují křivočaré trendy během 5 měsíců. Výzkumníci prozkoumají rozdíly v alianci CG a CC na Working Alliance Inventory, spokojenosti a účasti pomocí HLM. Odpadnutí je binomické; proto výzkumníci použijí Hierarchical Generalized Modeling, log-link funkci pro odhad šancí na odpadnutí.

Pro vyhodnocení průzkumných analýz provedou výzkumníci následující analýzy. S dvěma HLM budou výzkumníci předpovídat trajektorie fungování mládeže (např. TPA), přičemž zohlední časově proměnné změny v celkových skórech MCR a MPR. Pro průzkum validity měření SMART-Wrap spojí výzkumníci měření SMART-Wrap s dalšími měřeními. Pomocí Pearsonova r a Intraclass Correlations (ICC) prozkoumají výzkumníci vztah mezi časově shodnými skóre CC na fungování mládeže v SMART-Wrap a skóre hodnocenými CG na TPA, CGSQ a BPC. Výzkumníci také prozkoumají korelace Pearsonova r mezi hodnocením pokroku zaznamenaným v SMART-Wrap a rychlostí změny vypočtenou HLM na TPA hodnoceném pečovatelem. Výzkumníci prozkoumají vztah mezi spokojeností rodičů zaznamenanou v SMART-Wrap a skóre Parent Satisfaction. Za druhé, výzkumníci prostudují, jak může používání systému významně souviset se zlepšením několika výsledků, včetně věrnosti, pracovní aliance a problémů a symptomů mládeže. Prediktory budou zahrnovat používání prvků systému SMART-Wrap CC a supervizorem, úplnost dat a čas v systému. Pro tyto analýzy použijí výzkumníci HLM podle vhodnosti pro DVs (longitudinální nebo průřezové). Napříč analýzami budou výzkumníci modelovat data chybějící náhodně pomocí plné maximální věrohodnosti pro zohlednění zkreslení odpadnutí a výzkumníci budou kontrolovat vícenásobná porovnání pomocí false discovery rates.