Wirksamkeit von 2 Behandlungen bei älteren Erwachsenen

Studiendesign:

Eine randomisierte klinische Clusterstudie (RCT) ist in 22 öffentlich subventionierten Wohneinrichtungen (HUD Abschnitt 202) und anderen Gutscheinprogrammen für einkommensschwache Wohnungen in Nordost-Ohio geplant und wird randomisiert auf 2 Arme verteilt: Arm 1 (11 Standorte) – Teilnehmer erhalten alle zwei Jahre SDF; Arm 2 (11 Standorte): Die Teilnehmer erhalten eine halbjährliche ART + FV-Bewerbung. Alle Teilnehmer werden ein Jahr lang begleitet und erhalten bei allen Besuchen ein zahnärztliches Screening und eine prophylaktische Reinigung.

Studienpopulation und Umgebung:

Das langfristige Ziel ist es, Ungleichheiten zu verringern und die Mundgesundheit für ältere Erwachsene mit niedrigem Einkommen zu verbessern. Das unmittelbare Ziel besteht darin, Interventionen zu testen, um Disparitäten zu beseitigen. Daher handelt es sich bei der Bevölkerung/Einstellung um Erwachsene mit niedrigem sozioökonomischem Status (SES) ≥ 62 Jahre in 6 NE-Ohio-Bezirken (Cuyahoga, Lorain, Summit, Ashtabula, Geauga und Lake), die in HUD Section 202 und anderen öffentlich subventionierten Wohneinrichtungen wohnen . Administratoren haben Unterstützungsschreiben vorgelegt, in denen sie die Verfügbarkeit von Websites und die Absicht zur Teilnahme bestätigen. Die Bevölkerung ist vielfältig: Afroamerikaner/Schwarze, Kaukasier/Weiße einschließlich Hispanoamerikaner/Latino und Asiaten. Es gibt 64 HUD-Wohnanlagen mit 3.661 Mieteinheiten in den 6 Bezirken. Weitere 87 einkommensschwache Einrichtungen für ältere Menschen werden von den regionalen Wohnungsbehörden verwaltet, was 11.667 Einheiten entspricht. Damit stehen insgesamt 151 Einrichtungen und 15.328 Senioren zur Verfügung.

Das Ziel der Stichprobengröße von 22 Standorten und 550 Teilnehmern wird leicht erreicht. Die Medicaid-Beteiligung unter den Mietern liegt bei 76 % der Einrichtungen. Aus einer früheren Studie in diesen Einrichtungen geht hervor, dass das Durchschnittsalter 74 Jahre beträgt, 76 % Frauen, 51 % Kaukasier, 45 % Afroamerikaner, 2 % Hispanos und 2 % andere rassische/ethnische Gruppen; 60 % der älteren HUD-Erwachsenen hatten in über 3 Jahren keine/seltene Zahnarztbesuche.

Aufgrund von COVID-19-Beschränkungen, die externe Besucher/Anbieter an den Wohnstandorten verhinderten, wird die Rekrutierung länger als die erwarteten 24 Monate dauern. Darüber hinaus schlossen ungefähr 40 eingeschriebene Personen die 26-wöchige Visite/zweite Behandlungsdosis nicht ab. Daher haben wir die Gesamtzahl der eingeschriebenen Teilnehmer um 40 erhöht. Wir haben der Studie außerdem vier zusätzliche Wohneinrichtungen hinzugefügt, um einige Verzögerungen bei der Rekrutierung aufgrund der COVID-19-Pandemie auszugleichen.

Die zusätzlichen 4 Standorte werden ebenfalls randomisiert zu Arm 1 und Arm 2 für insgesamt 13 Standorte in jedem Arm

Rekrutierung von Teilnehmern:

Bei der Rekrutierung werden erfolgreiche Strategien aus früheren Studien verwendet, und die Interessengruppen werden um Beiträge gebeten. Dabei kommen folgende Strategien zum Einsatz: Dienstkoordinatoren in allen 22 Einrichtungen werden als Kontaktpersonen vor Ort fungieren. Der Studien-PI/Projektmanager stellt den Servicekoordinatoren einen Einführungsbrief/Flyer mit Studieninformationen zur Verfügung, der den Mietern ausgehändigt und in den öffentlichen Bereichen der Einrichtung ausgehängt wird. Die Servicekoordinatoren arrangieren zunächst ein Informationstreffen (der Studienzahnarzt hält einen Vortrag über die von unseren Stakeholdern vorgeschlagenen Interventionen) und arrangieren ein zweites Rekrutierungstreffen für Studienpersonal, um Informationen zur Studie bei geplanten Gruppenveranstaltungen (z. Mieterversammlungen, Gesundheitsmessen). Zu Planungszwecken haben die Dienstkoordinatoren ein Anmeldeformular für diejenigen, die an den Sitzungen interessiert sind. Das Studienpersonal wird diejenigen, die interessiert sind und die Einschlusskriterien erfüllen, für Einzelgespräche in der Wohneinrichtung einplanen, um eine Einverständniserklärung einzuholen und Basiserhebungsdaten zu sammeln. Die zahnärztlichen Basisuntersuchungen und Behandlungstermine werden dann in jeder Einrichtung gemäß einem bestimmten Prüfungstag (en) für jede Einrichtung geplant, der etwa 1-2 Wochen nach der Zustimmung und der Erhebung der Basisdaten stattfindet. Sechs- und zwölfmonatige zahnärztliche Untersuchungen/Behandlungen und Einzelgespräche zum Abschluss der Folgeumfrage für jeden Zeitpunkt finden ebenfalls in der Wohneinrichtung statt, in der die Teilnehmer wohnen.

Randomisierungsverfahren:

Die Randomisierung erfolgt aus Gründen der logistischen Effizienz auf der Ebene des Clusters (Wohneinrichtung). Dadurch wird das Fehlerpotential stark reduziert, das andernfalls auftreten könnte, wenn Personen an derselben Stelle unterschiedlichen Behandlungen zugewiesen werden. Darüber hinaus verringert die Beibehaltung der gleichen Behandlung an jedem Standort die Wahrscheinlichkeit einer „Kontamination“ (d. h. Teilnehmer, der seine Behandlung mit anderen bespricht). Darüber hinaus wird eine stratifizierte Cluster-Randomisierung verwendet, d. h. ein blockweiser (eingeschränkter) Randomisierungsansatz, bei dem ein Gleichgewicht zwischen den Behandlungen für 2 Schlüsselvariablen auf Cluster-Ebene (Stratifizierung) gewährleistet ist, nämlich die Größe der Einrichtung (> 100 gegenüber ≤ 100 Einwohner) und der geografische Standort (Cuyahoga County vs. andere). Der Projektstatistiker erstellt das Randomisierungsschema für die 22 Wohneinrichtungen.

Analyseplan:

Jedes primäre Ergebnis wird zwischen den SDF- und ART+FV-Gruppen verglichen. Für Zahnschmerzen wird ein 95-%-Konfidenzintervall (KI) basierend auf einem t-Test für die Differenz der mittleren Antworten (SDF minus ART+FV) berechnet. Wenn dieses Konfidenzintervall innerhalb des Intervalls (-∞, 8) liegt, können wir auf eine „Nicht-Unterlegenheit“ von SDF im Vergleich zu einer ART+FV-Behandlung schließen. Das Konfidenzintervall kann sekundär untersucht werden, um die mögliche Überlegenheit einer Intervention gegenüber der anderen zu beurteilen. Für die Verhaftungsrate wird ein 95 %-KI für die Differenz der Raten (basierend auf einer z-Statistik) berechnet. Wenn dieses Konfidenzintervall innerhalb des Intervalls (-0,09, 1) liegt, können wir auf eine „Nicht-Unterlegenheit“ der SDF im Vergleich zur ART+FV-Behandlung schließen. Wie oben kann auch die mögliche Überlegenheit einer Intervention gegenüber der anderen bewertet werden. Für andere Ergebnisse wird auch die Berechnung des 95 %-KI für Unterschiede in den Mittelwerten (oder Anteilen für binäre Ergebnisse) verwendet. Diese sekundären Ergebnisse werden explorativ auf mögliche Überlegenheit oder Unterlegenheit basierend auf angemessenen Margen bewertet.

Um die ersten Ergebnisse zu untermauern, wird ein Ansatz mit verallgemeinerten Schätzungsgleichungen (GEE) verwendet. Für jedes Ergebnis wird ein GEE-Modell (marginal) angepasst, das einen Behandlungsindikator und prognostische Variablen (einschließlich soziodemografischer Variablen, Erkrankungen und Mundgesundheitsverhalten) enthält. Geeignete Verknüpfungsfunktionen (z. B. Logit-Verknüpfung für binäre Ergebnisse und Identitätsverknüpfung für kontinuierliche Ergebnisse) werden spezifiziert und eine austauschbare funktionierende Korrelationsmatrix verwendet, um Korrelationen innerhalb des Standorts zu ermöglichen. Das Arrest-Ergebnis wird als binäres Ergebnis (wie im Abschnitt „Stichprobengröße“ beschrieben) und sekundär als Anzahl der gestoppten Läsionen analysiert, wobei eine geeignete Verteilung (z. B. negative Binomialzahl) und Verknüpfungsfunktion (z. B. Log-Link) angenommen wird. Robuste t-Tests mit Korrektur für eine kleine Anzahl von Clustern werden verwendet, um auf Behandlungseffekte zu testen, und entsprechende 95%-Konfidenzintervalle werden berechnet.

Zweitens wird der obige GEE-Ansatz erweitert, um die wiederholten Messungen (Baseline, 26 und 52 Wochen) für jedes Ergebnis zu analysieren. Die Modelle für jedes Ergebnis umfassen dieselben prognostischen Variablen wie zuvor sowie Zeit und eine Zeit-durch-Behandlungsinteraktion. Korrelationen zwischen den wiederholten Messungen werden erlaubt, z. B. unter Verwendung einer Autokorrelationsstruktur erster Ordnung. Wenn eine wesentliche Korrelation innerhalb der Einrichtung gefunden wird, wäre es notwendig, die Einrichtung als zweite Cluster-Ebene einzubeziehen (in der Person - die erste Cluster-Ebene - verschachtelt ist). Darüber hinaus wird auch eine Schätzung und Prüfung (über einen robusten t-Test) des Interaktionsterms zum Vergleich von Trends im Zeitverlauf für die beiden Interventionen eingesetzt. Wenn sich herausstellt, dass die Verwendung von zwei Cluster-Ebenen im GEE-Ansatz nicht machbar ist, wird ein verallgemeinerter Modellansatz mit gemischten Effekten in Betracht gezogen.

Standards für kausale Inferenz: Die Verwendung von Randomisierung und Anpassung in Regressionsmodellen sollte ausreichen, um kausal interpretierbare Interventionseffektschätzungen bereitzustellen; Spezielle kausale Inferenztechniken wie Propensity Score oder instrumentelle Variablenmethoden, die oft für Beobachtungsstudien indiziert sind, sind daher für die Datenanalyse nicht erforderlich. Verzerrungen bei kausalen Rückschlüssen auf die beabsichtigten Interventionen werden vermieden, indem ein Intent-to-treat-Ansatz verwendet wird, bei dem Einzelpersonen nach randomisierten Gruppen ohne Rücksicht auf den tatsächlich erhaltenen (Umfang) der Behandlung analysiert werden.

Sensitivitätsanalysen: Die Sensitivität von Schlussfolgerungen gegenüber Modellannahmen wird ebenso überprüft wie methodische Entscheidungen wie die Ergebnisdefinition. Insbesondere für das Ergebnis des Stillstands basiert die primäre Analyse auf einem binären Indikator des „vollständigen“ Stillstands aller Läsionen für eine Person. Die Ergebnisse dieses Ansatzes werden mit einem alternativen Ansatz bestätigt, bei dem die Anzahl der stillgelegten Läsionen analysiert wird. Für die GEE-Analysen, die für alle Endpunkte geplant sind, wird die Sensitivität teilweise durch die Verwendung alternativer funktionierender Kovarianzstrukturen und alternativer Sätze von Prädiktoren bewertet. Für einige Ergebnisse werden alternative Verteilungen in Betracht gezogen; Beispielsweise umfassen für die Anzahl der angehaltenen Läsionen mögliche Verteilungen Poisson, negatives Binomial, Null-aufgeblasenes Poisson (ZIP) und Null-aufgeblasenes negatives Binomial (ZINB). Die Empfindlichkeit gegenüber Annahmen bezüglich fehlender Daten wird ebenfalls wie weiter unten beschrieben untersucht.

Fehlende Daten. (a) Methoden zur Vermeidung und Überwachung fehlender Daten: Alle Fragebögen (unter Verwendung von Tablets) und zahnärztlichen Bewertungsformularen (unter Verwendung von Papier) werden in einer elektronischen Datenbank (REDCap) von Studienpersonal verwaltet. Wöchentliche Qualitätskontrollen werden auf Ausreißer, Eingabefehler, fehlende Daten und potenzielle Datenanomalien durchgeführt. Statistische Analysen, Zusammenfassungen und Berichte über fehlende Daten werden vom Studienbiostatistiker während der Studie monatlich erstellt. (b) Statistische Methoden zum Umgang mit fehlenden Daten und zur Berücksichtigung statistischer Unsicherheiten aufgrund fehlender Daten: Die primären Analysen, die GEE auf der Grundlage aller verfügbaren Beobachtungen verwenden, gehen davon aus, dass Ergebnisse vollständig zufällig fehlen (MCAR). Als erste Bewertung fehlender Datenmuster werden Interventionsgruppen (auch nach relevanten Subgruppen und Zeitpunkten) hinsichtlich fehlender Ergebnisraten verglichen. Ein Test auf eine Beziehung zwischen Fehlen und Ergebnissen zu frühen Zeitpunkten wird die Plausibilität der MCAR-Annahme bewerten. Mehrere Imputationsmethoden (eine etablierte Methode) werden verwendet, um gültige Schlussfolgerungen zu gewährleisten. (d) Pläne zur Erfassung und Meldung von Studienabbrüchen und fehlenden Daten: Die Studiendaten werden mit der REDCap-Software verwaltet, die derzeit an der Case Western Reserve University (CWRU) läuft. REDCap ist eine sichere webbasierte Anwendung, die eine intuitive Schnittstelle für die validierte Dateneingabe, Audit-Trails zur Verfolgung von Datenmanipulationen und Exportverfahren sowie automatisierte Exportverfahren für nahtlose Datendownloads in gängige Statistikpakete bietet. Fehlende Datenberichte werden wöchentlich von REDCap für zeitnahe Lösungs- und Berichtszwecke generiert. (e) Pläne zur Untersuchung der Sensitivität von Rückschlüssen auf Methoden fehlender Daten Wie oben erwähnt, wird eine mehrfache Imputation verwendet, um gültige Rückschlüsse in Gegenwart von Daten zu erhalten, die nicht vollständig zufällig fehlen. Abhängig vom Ergebnis wird ein prädiktiver Mittelwertabgleich mit einem geeigneten Vorhersagemodell verwendet (z. logistische Regression für binäre Ergebnisse, lineare Regression für kontinuierliche und Zählergebnisse). Im Rahmen von Sensitivitätsanalysen werden alternative Imputationsmodelle verwendet.