Die Studie zum gesunden Wiegen

Analyseplan 11.1 Statistische Überlegungen Deskriptive Analysen Wir erstellen regelmäßig Datenzusammenfassungen unter Verwendung von Häufigkeiten für kategoriale Variablen und Mittelwerten, Medianen und Bereichen für kontinuierliche Variablen. Wir werden die Datenqualität bewerten und Verteilungsannahmen mit grafischen Methoden untersuchen. Um das durch Randomisierung erreichte Gleichgewicht zwischen den Gruppen zu bewerten, vergleichen wir die Basiswerte aller Variablen in den 4 Armen mithilfe geeigneter Tests.

Allgemeine Verfahren Alle primären Analysen erfolgen auf der Basis einer Behandlungsabsicht, einschließlich aller Teilnehmer in der Gruppe, in die sie/er randomisiert wurde, unabhängig von der Einhaltung der zugewiesenen Strategie. Angesichts der hohen Rate fehlender Daten, die für Gewichtsverluststudien typisch ist, ist der Umgang mit fehlenden Daten ein wichtiges Thema. Bei Primäranalysen wird eine Mehrfachimputation für das fehlende persönliche Gewichtsergebnis nach 18 Monaten verwendet, wobei die Randomisierungsschichten (Geschlecht, Arbeitgeber, anfänglicher BMI), der Studienarm und andere Basisvariablen als Prädiktoren im Imputationsmodell verwendet werden. Zu den Basisvariablen gehören Alter, Rasse, Einkommen, Bildung, Familienstand, Haushaltsgröße, körperliche Aktivitäten, Essverhaltensindex, Veränderungsstadien, SF-36-Allgemeingesundheit und Basisgewicht. Sensitivitätsanalysen werden mit Imputationsmodellen durchgeführt, die auch Post-Baseline-Daten, und den aktuellen Gewichtsverlusttrend vor dem Abbruch sowie eine Analyse verwenden, die davon ausgeht, dass alle Teilnehmer, für die keine Follow-up-Gewichtsverlustdaten verfügbar sind, ihr Gewicht hatten Rückkehr zur Grundlinie (Gewicht zu Beginn der Vorphase). Innerhalb jedes Arms ist diese letzte Annahme wahrscheinlich konservativ, aber bei Vergleichen zwischen Arms ist dies möglicherweise nicht der Fall, abhängig von den Abbrecherquoten in den verschiedenen Armen und dem tatsächlichen Follow-up-Gewicht der Abbrecher. Daher wird eine wichtige Sekundäranalyse die Auswirkung unterschiedlicher Studienabbrüche zwischen den Behandlungsarmen berücksichtigen. Für diese Analyse können Methoden, die potenzielle MNAR-Muster berücksichtigen, bei der Imputation fehlender Daten berücksichtigt werden, wie etwa Mustermischungsmodelle. Abschließend betrachten wir auch eine Analyse pro Protokolltyp, die den Unterschied in den Interventionsarmen in den gesamten Falldaten untersucht.

Wirksamkeitsanalysen Alle Hypothesen werden mithilfe zweiseitiger 0,05-Niveau-Tests getestet, sofern nicht anders angegeben (insbesondere wird der Holm-Testansatz für die fünf Primärhypothesen in den spezifischen Zielen 1–4 verwendet). Bei den primären Analysen handelt es sich um unbereinigte Intent-to-Treat-Analysen unter Verwendung eines T-Tests für Unterschiede in der Gewichtsveränderung vom Ausgangswert bis zum 18. Monat, gemessen am persönlichen Gewicht, zwischen jeder Interventionsgruppe und der Kontrollgruppe und die kombiniert im Vergleich zu jeder einzelnen Intervention, wobei die Holm-p-Wert-Korrektur für mehrere Vergleichstests angewendet wird. Wenn die Gewichtsveränderung in den verblindeten Daten nicht normalverteilt zu sein scheint, werden wir eine geeignete Lösung finden. Fehlende Daten werden wie oben beschrieben behandelt.

Die Gewichtsveränderung zwischen dem Ausgangswert und 18 Monaten wird mit 95 %-Konfidenzintervallen (CIs) zum Vergleich mit angepassten Analysen geschätzt. Wir werden Regressionsmodelle schätzen, die an die Schichtungsvariablen (Geschlecht, Arbeitgeber, anfänglicher BMI) und andere Faktoren der Teilnehmermerkmale wie Alter, Rasse, Einkommen und Bildung angepasst sind. Wir werden die Hinweise auf Verwechslungen für andere Basisvariablen (Basisgewicht, Familienstand, Haushaltsgröße, körperliche Aktivitäten – d. h. Gesamtminuten MVPA + Gehen/Woche, Essverhaltensindex, Stadien der Veränderung, SF-36 Allgemeiner Gesundheitszustand) anhand von Veränderungen bewerten im Schätzkriterium (10 %). Wir werden explorative Modelle der wiederholten Gewichtsmessungen anpassen, die die Zeit als Polynomfunktion berücksichtigen, oder besuchsspezifische Indikatorvariablen verwenden, um bei Bedarf das sparsamste Modell zu bestimmen, das die beobachteten Muster angemessen beschreibt. Die Modelle werden getrennt für die Gewichtsdaten vor Ort und zu Hause erstellt. Modelle, die die Gewichtsdaten zu Hause verwenden, würden nur als potenzielle explorative Analysen zum Vergleich der drei Interventionsarme in Betracht gezogen, da für den Kontrollarm keine Gewichte zu Hause verfügbar sind. Wir werden Zufallseffektmodelle untersuchen, die sowohl die individuelle Ausgangsvariabilität als auch die Variabilität der Gewichtsänderungen im Laufe der Zeit berücksichtigen. Ein Beispiel ist das Folgende: E(weightij) = ß0 +ß1Timej + ß2Groupi+ ß3Xi + b0i + b1i Timej, wobei i das Subjekt angibt, j die Beurteilungszeiten angibt, die Parameter die Zeit für die Verknüpfung fester Effekte, ein Behandlungsgruppenvektor und ein Vektor von sind andere demografische oder klinische Kovariaten Xi zu den Ergebnissen, und b0i und b1i sind zufällige Schnittpunkt- und Steigungseffekte. Bei Tests zur Signifikanz zufälliger Effekte werden Likelihood-Ratio-Tests für verschachtelte Modelle verwendet. Wir werden Modelle mit unterschiedlichen Zufallseffektstrukturen unter Verwendung der maximierten Log-Likelihoods und des Akaike Information Criterion (AIC) vergleichen. Wir werden Standarddiagnosetechniken anwenden, um die Eignung des Modells zu beurteilen. Wir werden die Behandlung nach Zeitinteraktionen nutzen, um zu beurteilen, ob die Geschwindigkeit der Gewichtsveränderung je nach Interventionsarm unterschiedlich ist. Wir gehen davon aus, dass Anreize bei Personen mit geringerem Einkommen wirksamer sein könnten, und werden dies anhand der Interaktionsbedingungen des Einkommens mit der Behandlungsgruppe bewerten. Wir werden unterschiedliche Auswirkungen je nach Rasse und Bildung sowie das Grundniveau der intrinsischen Motivation und die Phasen der Veränderung untersuchen. Wir werden auch andere potenzielle Mediatoren in Betracht ziehen, wie zum Beispiel die Ernährungs- und Aktivitätsumgebung zu Hause. Um die Sensitivität von Behandlungseffektschätzungen gegenüber fehlenden Daten zu beurteilen, passen wir möglicherweise hierarchische oder gemischte Effektemodelle mit und ohne Berücksichtigung informativer fehlender Daten an.

Für das spezifische Ziel 5 werden wir geeignete Methoden für eine kosteneffiziente Analyse in Betracht ziehen, wie beispielsweise die unten vorgeschlagenen Modelle. Wir werden die Kosten der einzelnen Interventionsarme sowohl aus Arbeitgeber- als auch aus sozialer Sicht bewerten und die Kostenunterschiede zwischen den einzelnen Armen im Verhältnis zur Wirksamkeit vergleichen, die durch den erreichten inkrementellen Gewichtsverlust gemessen wird. Die wichtigsten inkrementellen Kosten-Nutzen-Verhältnisse zwischen Interventions- und Kontrollarmen werden aus Sicht des Arbeitgebers ermittelt und wir werden die Kosten während der Intervention vom Ausgangswert bis zu 18 Monaten pro Gewichtsänderungseinheit vergleichen. Sekundäranalysen können auch 1) dasselbe Verhältnis bewerten, aber entweder Daten von 6 Monaten nach der Intervention (24-monatiger Besuch) oder 12-monatige Interventionsdaten (12-monatiger Besuch) verwenden und 2) diese beiden Verhältnisse unter Verwendung einer begrenzten sozialen Perspektive bewerten. Kostenmodelle verwenden ein verallgemeinertes lineares Modell mit einer Log-Link- und Gamma-Familie. Fehlende Datenstrategien entsprechen den oben beschriebenen. Wir werden die Stichprobenunsicherheit für den Vergleich von Kosten und Auswirkungen bewerten, indem wir parametrische 95 %-KIs für die Kosten pro kg Verlust und die Akzeptanzkurven berechnen. Standardfehler und Korrelation der Kosten- und Wirkungsdifferenz werden mithilfe eines Bootstrap-Verfahrens abgeleitet.

11.2 Überlegungen zur Aussagekraft und Stichprobengröße Wir haben die Studie mit ausreichender Aussagekraft konzipiert, um Unterschiede im Gewichtsverlust über einen Zeitraum von 18 Monaten festzustellen. Unsere Intervention sollte ihre maximale Wirkung bei der Aufrechterhaltung des anfänglichen Gewichtsverlusts am Ende der Phase II (Monat 18) erzielen, wenn die Anreizzahlungen eingestellt werden. Um den experimentellen Typ-I-Fehler beizubehalten und falsche Schlussfolgerungen zur Wirksamkeit zu vermeiden, werden wir die Holm-Mehrfachvergleichsanpassung verwenden, um die 5 primären Vergleiche in den spezifischen Zielen 1–4 zu testen. Wenn die Interventionen so effektiv sind wie angenommen, behält die vorgeschlagene Stichprobengröße eine Aussagekraft von mehr als 90 % bei, um die Signifikanz für jeden der drei Interventionsarme im Vergleich zur Kontrolle aufzuzeigen, und eine Aussagekraft von mehr als 80 %, um die Signifikanz für die kombinierte Interventionsgruppe im Vergleich zu jeder von ihnen aufzuzeigen allein die beiden Eingriffe.

Es ist wichtig zu beachten, dass wir ursprünglich 328 Teilnehmer rekrutieren wollten, eine kleine Untergruppe jedoch nach der Randomisierung aufgrund von Wi-Fi-Konnektivitätsproblemen nicht in der Lage war, ihre Withings-Waage erfolgreich einzurichten. Daher haben wir unsere angestrebte Stichprobengröße um die Anzahl der Personen erhöht, die ihre Withings-Waage nicht mit der Way To Health-Plattform verbinden konnten (16 zusätzliche Probanden), wodurch sich unsere Rekrutierungsgesamtzahl auf 344 Teilnehmer erhöhte. Die endgültige statistische Analyse wird um die Schichtungsfaktoren angepasst, um eventuell aufgetretene Ungleichgewichte zu berücksichtigen. Wir haben diese Informationen zuvor dem IRB und den Mitgliedern des Data Safety and Monitoring Board (DSMB) mitgeteilt, die diesen Ansatz genehmigt haben. Die folgenden Informationen geben einen Überblick über unsere ursprünglichen Leistungsberechnungen und Überlegungen zur Stichprobengröße.

Wir planen, etwa ein Drittel der für den Beginn der Phase I erforderlichen Teilnehmer von jedem unserer teilnehmenden Arbeitgeber (IBC, SEPTA und City of Philadelphia) zu rekrutieren. Angesichts der großen Zahl potenziell teilnahmeberechtigter Mitarbeiter können wir bei Bedarf problemlos den Anteil der Teilnehmer von jedem dieser Arbeitgeber erhöhen, um die Rekrutierungsziele zu erreichen. Die Teilnehmer werden nach dem Zufallsprinzip in unsere 3 Interventionsgruppen und die Kontrollgruppe eingeteilt, wobei ein Verhältnis von 1:1 für die Interventionsarme verwendet wird. Wir haben vor der 18-monatigen Bewertung einen Spielraum von 20 % unserer ursprünglichen angestrebten Stichprobengröße von 328 für potenzielle Fluktuationen einkalkuliert, was zu einer erwarteten Zahl von 260 Teilnehmern (65 pro Arm) führt, die am Ende der Phase II für die Analyse zur Verfügung stehen. Mit dieser Stichprobengröße verfügen wir über eine Aussagekraft von mehr als 90 %, um einen Unterschied in der Gewichtsveränderung zwischen dem Ausgangswert und dem 18-Monats-Wiegegewicht von 5 kg zwischen jeder einzelnen Interventionsgruppe und der Kontrollgruppe festzustellen (primäre Ergebnisse für die spezifischen Ziele 1–3). ) und 87 % Leistung, um einen Unterschied von 3 kg zwischen der kombinierten Gruppe und entweder der Anreiz- oder der Umweltstrategiegruppe festzustellen (spezifisches Ziel 4). Wir werden nämlich eine Aussagekraft von mehr als 85 % für die 5 primären Vergleiche von Interesse für eine erwartete Gewichtsveränderung zwischen den Monaten 0 und 18 von -8 kg, -5 kg ​​und 0 kg in der kombinierten Gruppe, der Interventionsgruppe und der Kontrollgruppe haben (a (Nettounterschied zwischen Einzelinterventions- und Kontrollgruppen von 5 kg, kombinierten Interventions- und Kontrollgruppen von 8 kg und 3 kg zwischen den Einzelinterventionen und der kombinierten Gruppe) und unter der Annahme einer Standardabweichung (S.D.) des Gewichtsverlusts von 5 kg. Wir werden auch über eine Leistung von mehr als 80 % verfügen, um einen Unterschied von 4,6 kg in der Gewichtsveränderung zwischen der einzelnen Interventions- und der Kontrollgruppe und 7,3 kg zwischen der kombinierten Gruppe und der Kontrollgruppe zu erkennen (primäre Ergebnisse für die spezifischen Ziele 1–3), während wir etwa 80 % beibehalten Leistung für einen Unterschied von 2,7 kg zwischen der kombinierten und jeder einzelnen Intervention (spezifisches Ziel 4). Für unsere sekundären Ergebnisse (spezifisches Ziel 5) möchten wir die Kostenunterschiede zwischen den einzelnen Armen im Verhältnis zur Wirksamkeit vergleichen, die durch den erreichten inkrementellen Gewichtsverlust gemessen wird. Wir berechnen eine Punktschätzung der Kosten pro kg Gewichtsverlust basierend auf den geschätzten Unterschieden beim Gewichtsverlust zwischen den Armen und den inkrementellen Kosten der Interventionen, wie in C.3.d.ii.c beschrieben. Für eine Gewichtsabnahme nach 18 Monaten liefern 328 Teilnehmer bei erwarteten zusätzlichen Kosten von 810 US-Dollar (Anreize) und einem zusätzlichen Gewichtsverlust von 5 kg eine Leistung von 80 %, um Kosten pro verlorenem kg von 430 US-Dollar zu ermitteln, und eine Leistung von mehr als 90 %, um Kosten zu ermitteln pro kg Verlust von 575 $. Diese Studie ist in erster Linie ein Test der Wirksamkeit dieser Interventionen. Aufgrund von Ressourcenbeschränkungen und weil wir noch nichts über die Wirksamkeit der Intervention wissen, haben wir diese Studie nicht auf der Grundlage von Kostenwirksamkeitsanalysen durchgeführt. Die geschätzten nachweisbaren Kosten pro kg sind eine Funktion breiter Konfidenzintervalle aufgrund der Stichprobengröße.

11.3 Wirkungsmessung: Das Ziel dieser Analyse besteht darin, den relativen Gewichtsverlust in den Interventionsarmen im Vergleich zur Kontrolle zu bewerten. Für die Hauptkostenwirksamkeitsanalyse wird die Messung des inkrementellen Gewichtsverlusts auf Gewichtsunterschieden zwischen dem Ausgangswert und dem 18-monatigen Besuch basieren; In Sekundäranalysen basiert es auf Gewichtsunterschieden zwischen dem Ausgangswert und 24 Monaten sowie dem Ausgangswert und 12 Monaten.