PAUSE: Undersøgelse af mobilapps til medicinhåndtering på sygedag (PAUSE)

Vores tidligere forskning undersøgte sundhedsudbydere fra Alberta om "faktorer, der påvirker klinikerens beslutning om at give vejledning om sygedagmedicin til patienter med diabetes og CKD for at forhindre uønskede hændelser." Vores resultater identificerede, at 75 % af de primære sundhedsudbydere var opmærksomme på vejledning om sygedagmedicin, men kun 56 % vidste, hvor de kunne finde retningslinjer og ressourcer. Et overvældende flertal af respondenterne (97 %) støttede optagelse af patienter i en undersøgelse, der evaluerede alternative innovationer til at give vejledning om sygedagmedicin.

I en nylig scoping review, der opsummerer eksisterende interventioner, fandt vores forskerhold, at størstedelen af ​​publicerede SDMG-dokumenter var rettet mod sundhedsudbydere med få patientmålrettede dokumenter. Disse var hovedsageligt i form af uddelinger, kort i tegnebogsstørrelse, websider eller telefonsupport. Der er begrænset primær forskning i udvikling, implementering eller evaluering af nuværende SDMG-interventioner. De fleste blev rapporteret at være udfordrende at følge, og identifikation af sygedage eller kvalificerende medicin uden fejl var lav. Denne undersøgelse og gennemgang fremhæver behovet for at udvikle og evaluere nye løsninger til at levere SDMG til patienter. Vores tidligere arbejde fandt også, at seniorer i Canada var modtagelige over for brugen af ​​elektroniske kommunikationsmidler, og flere patienter har udtrykt interesse for at bruge elektroniske sundhedsværktøjer (eHealth) til selvstyring på sygedage.

Deltagere, der modtager interventionen, får adgang til PAUSE-appen, et selvstyringsværktøj til SDMG beregnet til patienter til brug under en akut sygdom. Brugernes Loblaw/Shoppers Drug Mart-apoteker er elektronisk forbundet med PAUSE-appen i President's Choice (PC) Health-appen, hvilket giver mulighed for ajourførte anbefalinger baseret på aktuelle ordinerede medicin. App'en stiller brugerne en række spørgsmål vedrørende tegn og symptomer, der identificerer en kvalificerende sygedagsygdom, og skærmer for 'røde flag', der ville kræve akuthenvisning, eller sundhedsudbyder eller akut behandling, og hjælper patienter med at identificere, hvilken af ​​deres medicin de skal midlertidigt tilbageholde eller justeret, skræddersyet til en patients aktuelle medicinliste. Dette har til formål at give patienter interaktiv støtte til håndtering af medicin under en sygedagsbegivenhed. Som en del af interventionen vil patienterne også modtage en SDMG-patientuddeling. Interventionen adresserer de tidligere identificerede udfordringer med at identificere kvalificerende tegn og symptomer, der berettiger SDMG, og hvilke lægemidler der kvalificerer via en interaktiv og individualiseret elektronisk applikation designet til at lette leveringen af ​​SDMG. Den sædvanlige plejegruppe vil modtage en SDMG-patientuddeling, som beskriver SDMG og adresserer, hvilke lægemidler der kvalificerer til SDMG.

Baseret på foreløbige data antager efterforskerne en absolut forskel på 30 % (50 % med PAUSE-appen vs. 20 % uden PAUSE-appen) i andelen af ​​deltagere, der gennemfører en simuleret sygedag uden fejl. Ved at bruge en tosidet alfa på 0,05, 80 % effekt og en interklasse-korrelationskoefficient på 0,1 mellem apoteksklynger kræves en stikprøvestørrelse på 280 deltagere. For at tage højde for et tab på 10 % til opfølgning, vil efterforskerne sigte mod at rekruttere i alt 320 deltagere i forsøget. Efterforskerne planlægger at rekruttere 16 apoteker, der hver vil rekruttere 20 deltagere.

Dataanalyse Deltagerbaselinedata, herunder sociodemografi, komorbiditeter og aktive recepter, vil blive analyseret ved hjælp af beskrivende statistik. Gennemførligheds- og troskabsresultater vil blive rapporteret ved hjælp af beskrivende statistikker med tal og procenter. Sammenligninger af resultater mellem grupper (f.eks. PAUSE-app vs. sædvanlig pleje) vil blive rapporteret ved hjælp af ujusterede og justerede generaliserede estimeringsligninger for at bestemme gennemsnitlige forskelle og risikoforskelle mellem grupper. Beskrivende statistik vil blive brugt efter behov til at evaluere gruppeforskelle efter opfølgningsperioden. Forbindelser mellem nøglevariabler og undersøgelsesresultater vil blive analyseret ved hjælp af passende univariate, multivariate og blandede modelanalyser. Udforskende analyser af Google Analytics-data vil blive udført for at rapportere brugeradfærdsindsigt. Analyser af rutinemæssigt indsamlede sundhedsdata over en 5-årig forlænget opfølgningsperiode vil blive brugt til at bestemme effekten, hvis nogen, af interventionen på sundhedsresultater.

De simulerede sygedagsevalueringer vil blive scoret og analyseret i henhold til foruddefinerede scorecards baseret på scenarier brugt af Doerfler et al. måling af korrekt brug af SDMG under akut sygdom. Log-binomiale regressionsmodeller vil blive brugt til direkte at estimere risikoforhold (RR'er) og 95 % konfidensintervaller for udfaldet af fejlfri gennemførelse af den simulerede sygedag, samt til korrekt gennemførelse af hver af de 3 individuelle komponenter i sygedagssimulering. Tilfældige effekter vil blive brugt til at redegøre for klyngedannelse af apoteker. Ujusterede og justerede modeller vil være egnede, herunder faste effekter for individuelle deltagerkarakteristika, herunder alder, køn, demografi, diabetes, andre komorbiditeter, antal kvalificerende medicin og andre signifikante forstyrrende variabler fra univariate analyser. Derudover vil data indsamlet fra deltagere om anvendeligheden af ​​PAUSE-appen og/eller SDMG-patientuddelingen til at styre en simuleret sygedag og den overordnede accept af interventionerne blive brugt til yderligere at vurdere interventionens troværdighed. Al statistisk analyse vil blive afsluttet i R.

Udvalgte deltagere (patienter og farmaceuter) vil blive inviteret til at blive interviewet efter deres simulerede sygedagsscenarie-evaluering baseret på den målrettede prøveudtagningsstrategi. En-til-en semistrukturerede interviews vil blive gennemført med deltagere og farmaceuter, der spænder fra 30-60 minutter. Interviewspørgsmål og analyse vil være iterativt gennem hele undersøgelsen for at give mulighed for, at nye eller uregelmæssige temaer kan undersøges i senere interviews. Kvalitative interviews vil blive lydoptaget, transskriberet ordret og undersøgt ved hjælp af flere faser af induktiv tematisk analyse. Indsamlede feltnotater og transskriptioner fra interviews vil blive analyseret ved hjælp af NVIVO kvalitativ analysesoftware. Analyse af data vil begynde umiddelbart efter afslutningen af ​​det første deltagerinterview. Data vil blive kodet af to forskere uafhængigt, og derefter vil koder blive sammenlignet efter det første interview for at udarbejde kodningsmanualen til efterfølgende interviews.