Implementace času příjezdu

Včasný příchod pacientů je zásadní pro udržení efektivního provozu kliniky a zajištění, aby pacienti obdrželi plnou dobu naplánované péče. Opóźněné příchody narušují chod kliniky, zkracují čas s poskytovateli a mohou oddálit následné schůzky, což vytváří řetězový efekt po celý den. Tento projekt si klade za cíl otestovat nízkonákladovou behaviorální intervenci, která objasňuje očekávání příchodu a podporuje včasný příchod na naplánované schůzky.

Tato studie vyhodnocuje účinnost intervence navržené tak, aby očekávaný čas příchodu byl pro pacienty výraznější. Studie bude implementována napříč ambulantními odděleními poskytujícími primární péči v rámci iniciativy UCLA Health na zlepšení provozu za účelem zlepšení chodu kliniky a zkušenosti pacientů.

Konkrétně intervence mění způsob, jakým jsou informace o schůzce prezentovány pacientům (nebo zástupcům v případě pacientů < 18 let) prostřednictvím dvou komunikačních kanálů používaných UCLA Health: (1) pacientského portálu (nazývaného MyChart na UCLA Health) a (2) platformy pro zasílání textových zpráv (nazývané Hello World na UCLA Health), která pacientům před schůzkou zasílá automatizovaná textová oznámení.

Kontrolní podmínka Na domovské stránce MyChart pacienti vidí pouze naplánovaný čas schůzky (např. „Začíná ve 15:00“) pro své nadcházející schůzky. Na stránce s podrobnostmi o schůzce pacienti vidí čas své schůzky a dodatečnou instrukci „Přijďte 15 minut před schůzkou.“ Textová oznámení uvádějí čas schůzky a obsahují výzvu k příchodu o 15 minut dříve (např. „[Jméno pacienta], máte nadcházející návštěvu 12. ledna 2026 v 15:00. Přijďte 15 minut před časem své schůzky“).

Experimentální podmínka Na domovské stránce MyChart pacienti vidí explicitní čas příchodu pro své nadcházející schůzky, nastavený na 15 minut před naplánovaným časem schůzky (např. „Přijďte do 14:45“ pro schůzku naplánovanou na 15:00), místo samotného času schůzky. Na stránce s podrobnostmi o schůzce pacienti vidí čas své schůzky i čas příchodu.

Textová oznámení pacientům výslovně sdělují jejich očekávaný čas příchodu místo času schůzky (např. „[Jméno pacienta], máte nadcházející návštěvu 12. ledna 2026. Přijďte do 14:45.“).

Výzkumníci provedou randomizaci v klastrech, přičemž všechny osobní schůzky s lékařem nebo pokročilým praktickým poskytovatelem (APP) ve stejné budově kliniky přiřadí ke stejné experimentální podmínce. Bude zahrnuto celkem 37 budov klinik. Výzkumníci plánují provádět tuto klinickou studii po dobu 6 měsíců. Funkcionalita času příchodu bude implementována 1 měsíc před začátkem zkušebního období, aby se zavedlo období vyplavení.

Klíčová výzkumná otázka:

Výzkumníci kladou následující výzkumnou otázku: Mění zobrazení explicitního času příchodu to, jak brzy pacienti přicházejí na své schůzky? Výzkumníci hypotetizují, že experimentální podmínka povede lidi k dřívějšímu příchodu na schůzky ve srovnání s kontrolní podmínkou.

Kromě zkoumání spojité míry toho, jak dlouho předem se pacient přihlásí na své schůzky (primární výstupní míry), budou výzkumníci zkoumat také dvě binární metriky:

A. Včasný příchod: Zvyšuje experimentální podmínka pravděpodobnost, že pacienti přijdou včas (tj. přihlásí se před nebo v naplánovaný čas schůzky)?

B. Raný příchod: Zvyšuje experimentální podmínka pravděpodobnost pacientů přijít alespoň 15 minut před naplánovaným časem své schůzky?

Analytický plán:

Výzkumníci použijí regrese metodou nejmenších čtverců (OLS) s robustními směrodatnými odchylkami k predikci výstupních proměnných. Statistické inference budou založeny na modelově robustních směrodatných odchylkách seskupených na úrovni budovy kliniky, což je jednotka randomizace. Všechny analýzy budou provedeny na úrovni schůzky. Hlavním prediktorem bude indikátor toho, zda byla klinika pacienta přiřazena k experimentální podmínce času příchodu (oproti standardní kontrolní podmínce času schůzky).

Tyto regrese budou provedeny s následujícími kontrolními proměnnými i bez nich:

• Věk pacienta (Pokud budou chybějící hodnoty, výzkumníci je nahradí průměrem a přidají fiktivní proměnnou k označení pacientů s chybějícím věkem)
• Pohlaví pacienta
• Rasa/etnicita pacienta
• Přesnost pacienta: Podíl osobních schůzek pacienta s lékařem na stejné klinice v posledních 36 měsících před začátkem studie, na které přišel včas (Pacienti bez dokončených schůzek v tomto období budou mít chybějící data. Pro tyto případy výzkumníci použijí imputaci výběrového průměru a přidají fiktivní proměnnou k označení těchto pacientů). Pokud nebudeme mít historii návštěv pacienta za 36 měsíců před začátkem studie, namísto toho budeme kontrolovat podíl osobních schůzek pacienta s lékařem na UCLA Health (napříč všemi klinikami), na které přišel včas (s výjimkou schůzek bez objednání)
• Typ návštěvy (dospělý vs. dítě; nový vs. návratový)
• Indikátor toho, zda klinika pracovala s rozvrhy schůzek ve 15/30minutových intervalech nebo 20/40minutových intervalech
• Typ pojištění (Tradiční Medicare, Medicare Advantage, Medicaid, Komerční, jiný/neznámý)
• Skóre multimorbidity (Pokud budou chybějící hodnoty, výzkumníci je nahradí průměrem a přidají fiktivní proměnnou k označení pacientů s chybějícím skóre multimorbidity)

• Následující vzájemně se vylučující binární indikátory pro zohlednění rozdílů v (1) tom, zda byla schůzka naplánována před implementací funkcionality času příchodu a (2) jak dlouho předem byla schůzka naplánována:

  • Naplánováno před implementací funkcionality: Indikátor pro schůzky naplánované před implementací funkcionality času příchodu
  • Naplánováno >7 dní předem: Indikátor pro schůzky naplánované v den implementace nebo po něm s více než 7 dny mezi naplánováním a datem schůzky.
  • Naplánováno 1–7 dní předem: Indikátor pro schůzky naplánované v den implementace nebo po něm s 1 až 7 dny mezi naplánováním a datem schůzky.
  • Naplánováno <1 den předem: Indikátor pro schůzky naplánované v den implementace nebo po něm s méně než 1 dnem mezi naplánováním a datem schůzky.

Jako průzkumnou analýzu výzkumníci prozkoumají léčebné efekty pouze u schůzek naplánovaných v den implementace funkcionality nebo po něm, protože potvrzovací textová oznámení o schůzce, která tito pacienti obdrží, budou odrážet experimentální design.

Pro kontrolu robustnosti provedou výzkumníci logitové modely pro binární výstupy a přehodnotí modely pro spojitý výstup času příchodu na 1. a 99. percentilu (což je širší rozsah winsorizace než rozsah specifikovaný později v sekci primárních výstupů).

Poznámka: Někteří pacienti mohou mít během studijního okna více způsobilých setkání. Hlavní analýzy zahrnou pouze první setkání na pacienta. Průzkumné analýzy posoudí, zda zahrnutí následných setkání změní výsledky.

Pro testování heterogenních léčebných efektů odhadnou výzkumníci interakční modely, ve kterých je indikátor léčby interagován s charakteristikami pacienta, návštěvy nebo kliniky. Výzkumníci analyzují následující moderátory:

• Přesnost na úrovni pacienta, jak je definována výše (Pro zohlednění chybějících hodnot budou regresní modely interagovat indikátor léčby s imputovanou mírou přesnosti i indikátorem chybějících hodnot)
• Kolikrát pacienti navštívili schůzku s lékařem na stejné klinice v 36 měsících před začátkem studie
• Zda oddělení kliniky plánuje schůzky ve 15/30minutových intervalech nebo 20/40minutových intervalech
• Základní míra přesnosti kliniky: procento schůzek, které byly včas (přihlášeny ≤ 0 minut po termínu) v šesti měsících před studií
• Typ návštěvy (dospělý vs. dítě)
• Čas naplánování schůzky (čtyři vzájemně se vylučující podskupiny): Zda byla schůzka naplánována před implementací funkcionality času příchodu vs. byla naplánována po implementaci funkcionality, ale více než 7 dní před naplánovaným datem návštěvy vs. 1–7 dní vs. <1 den před naplánovaným datem návštěvy.
• Skóre multimorbidity (Pro zohlednění chybějících hodnot budou regresní modely interagovat indikátor léčby s imputovaným skóre multimorbidity i indikátorem chybějících hodnot)

Výzkumníci provedou další průzkumné analýzy, aby prozkoumali potenciální následné důsledky intervence:

1. Účast na schůzce Výzkumníci prozkoumají, zda experimentální podmínka ovlivňuje míry nedostavení se ve srovnání s kontrolní podmínkou. Explicitní zobrazení dřívějšího požadovaného času příchodu by potenciálně mohlo zvýšit nedostavení se, pokud někteří pacienti věří, že již propásli své časové okno schůzky, nebo se cítí odrazeni od příchodu, když si uvědomí, že nemohou přijít do požadovaného času.

2. Spokojenost pacientů:

   Výzkumníci prozkoumají, zda přiřazení k experimentální podmínce ovlivňuje hodnocení spokojenosti pacientů v dotaznících po návštěvě, a to zaměřením na dva binární výstupy, které umožňují analýzu záměru léčit:

   A. Zda pacient zanechá špatné hodnocení (tato proměnná se rovná 1, pokud pacient udělí 1 nebo 2 hvězdičky z 5, a 0, pokud pacient udělí vyšší hodnocení hvězdičkami nebo neposkytne hodnocení hvězdičkami) B. Zda pacient zanechá dobré hodnocení (tato proměnná se rovná 1, pokud pacient udělí 5 hvězdiček a 0, pokud pacient udělí nižší hodnocení nebo neposkytne hodnocení hvězdičkami).

   Výzkumníci provedou textové analýzy kvalitativních komentářů pacientů v dotaznících, aby posoudili sentiment a zdroje obav nebo pochval.

3. Zrušení schůzky Výzkumníci otestují, zda experimentální podmínka ovlivňuje míry zrušení ve srovnání s kontrolní podmínkou. Tato analýza pomůže určit, zda rámování „Přijďte do“ má nějaký nezamýšlený vliv na pravděpodobnost pacientů zrušit schůzku spíše než se jí zúčastnit.
4. Metriky pracovního postupu kliniky:

Výzkumníci prozkoumají, zda léčba ovlivňuje následující dvě provozní metriky na klinice:

A. Čas pacienta v místnosti: počet minut mezi přihlášením pacienta a časem, kdy je umístěn do vyšetřovny.

B. Čas, kdy lékař vstoupí do vyšetřovny: počet minut mezi naplánovaným časem schůzky a časem, kdy poskytovatel vstoupí do místnosti.

C. Čas mezi přihlášením a vstupem poskytovatele: Počet minut mezi přihlášením pacienta a časem, kdy poskytovatel vstoupí do vyšetřovny.

Výzkumníci pro tuto sadu analýz použijí kvantilové regrese. Tyto průzkumné míry poskytují vhled do toho, zda lepší přesnost přechází v plynulejší chod kliniky nebo změny v čekací době pacientů. Tyto míry jsou pravděpodobně hlučné, protože čas, kdy jsou pacienti umístěni do vyšetřovny nebo kdy je vidí poskytovatel, není vždy zaznamenán v reálném čase.