Bewertung der Wirksamkeit pädiatrischer Lipid-Screening-Warnungen

Patienten, die für diese Studie in Frage kommen, werden über einen Randomisierungsalgorithmus für elektronische Krankenakten (EMR) von Epic, der zum Zeitpunkt des Besuchs automatisch ausgeführt wird, in eine von vier Gruppen randomisiert:

1. Kontrollgruppe (6 Monate Verzögerung, bevor ihre Anbieter eine Warnung erhalten)
2. Thema Gesundheitserhaltung (HMT)
3. Best-Practice-Alarm (BPA)
4. Best-Practice-Warn- und Gesundheitserhaltungsthema (BPA+HMT)

Geisinger Health System wird das Storyboard-Panel von Epic (eine neuartige Methode zur Zusammenfassung von Patienteninformationen in der EMR) etwa einen Monat nach Beginn dieser Studie einführen. Der Analyseplan wird daher die potenziellen Auswirkungen dieser Änderung testen.

Die Anbieter werden aufgefordert, basierend auf den obigen Warnungen eine Screening-Lipidstudie zu besprechen und zu bestellen, die zum Zeitpunkt des Besuchs mit dem Patienten nicht nüchtern ist. Einige Familien haben in ihrem MyGeisinger-Portal eine Benachrichtigung, die besagt, dass ein Gesundheitserhaltungstest fällig ist und mit ihrem Anbieter besprochen werden muss.

Die Ergebnisse werden wie folgt überprüft und klassifiziert,

Zu den Ergebnissen gehören Lipid-Screening-Anordnungen durch Anbieter (ja/nein) und Screening-Abschlüsse durch Patienten (ja/nein). Die folgenden beschreibenden Ergebnisse werden ebenfalls bereitgestellt:

1. Lipidscreening angeordnet
2. Lipidscreening bestellt und durchgeführt
3. Lipidscreening angeordnet, aber nicht abgeschlossen
4. Lipid-Screening lehnte mit Grund ab
5. Alarm wurde überhaupt nicht ausgeführt

Die Analyse berücksichtigt die Verschachtelung von Patienten innerhalb von Anbietern; Dies wird den Anbieter als Zufallseffektvariable in eine Reihe von mehrstufigen binomialen logistischen Regressionsmodellen aufnehmen, um eine potenzielle Korrelation mit Patienten zu berücksichtigen. Wenn der Intraklassen-Korrelationskoeffizient niedrig ist, werden nur die logistischen Regressionsmodelle auf Patientenebene durchgeführt. Im ersten Modell dient die passive Kontrolle als Referenzgruppe, um zu testen, ob jede der aktiven Alarmbedingungen einen signifikanten Einfluss auf die Ergebnisse hat. Im zweiten Modell dient die Nur-BPA-Bedingung als Referenzgruppe, um zu testen, ob HMT und BPA+HMT signifikante Leistungsverbesserungen bieten. Schließlich wird das dritte Modell die Nur-HMT-Bedingung als Referenz verwenden, um zu testen, ob BPA + HMT einen signifikant größeren Einfluss auf die Ergebnisse hat. Storyboard X Bedingungsinteraktionen werden innerhalb der Modelle getestet, und wenn sie signifikant sind, wird die Reihe von Modellen vor und nach der Implementierung von Storyboard in Epic separat an Patienten durchgeführt, um zu testen, ob und wie sich die Ergebnisse in den verschiedenen Kontexten replizieren .