iMedA: Verbesserung der Medikationsadhärenz durch personenzentrierte Versorgung und adaptive Interventionen (iMedA)

Das Design des digitalen Interventionsmoduls folgt dem Just-in-Time Adaptive Intervention Framework (JITAI). JITAI ist ein Interventionsdesign, das darauf abzielt, die richtige Art/Menge an Unterstützung zur richtigen Zeit bereitzustellen, indem es sich an die Umstände einer Person anpasst. Es hat ein enormes Potenzial, eine Änderung des Gesundheitsverhaltens zu fördern, die in dieser Studie die Medikamenteneinhaltung sein soll. Basierend auf dem konzeptionellen Modell von JITAI gibt es die folgenden Komponenten:

1. Entscheidungspunkte (DP) DP ist ein Zeitpunkt, an dem eine Interventionsentscheidung getroffen wird. In Anbetracht der Natur von JITAIs, die über Mobiltelefone geliefert werden, sind DPs viel schneller als Standardinterventionen. In iMedA wird DP als täglich betrachtet und von der Frage nach dem Zeitpunkt der Medikamenteneinnahme begleitet, d. h. „Hat der Teilnehmer heute das blutdrucksenkende Medikament genommen?“.

2. Interventionsoptionen (IO) IOs sind eine Reihe möglicher Interventionen, die an EPs geliefert werden. In JITAI können IOs verschiedene Arten von Unterstützung (Informationen, Beratung, Feedback usw.), Unterstützungsquelle (Mobil, Krankenschwester, Arzt usw.), Unterstützungsbetrag (Intensität, Dosis usw.), Art der Medien/Kanäle ( Anruf, SMS usw.).

   Aus der durchgeführten Literaturrecherche fassten die Forscher alle Arten digitaler Interventionen bei Bluthochdruckpatienten wie folgt zusammen:

   • Erinnerungen für Medikamenteneinnahme (täglich), Blutdruckmessung (monatlich), PA (zweiwöchentlich)
   • Informationsinhalte zum Thema Bluthochdruck mit all seinen Fakten, Folgen, Behandlungen, Risiken, Medikamenten und Nebenwirkungen, Lebensstil etc. (Texte, Videos etc.)
   • Trends zur Medikamenteneinnahme/PA/BP/etc
   • Motivationsbotschaften

3. Distale Ergebnisse (DO) DO ist das ultimative Ziel, das die Intervention zu erreichen versucht. In iMedA betrachteten die Ermittler primäre und sekundäre DOs. In erster Linie zielen die Forscher darauf ab, die Therapieadhärenz zu verbessern. Dann gilt die Blutdruckkontrolle langfristig als sekundäre DOs neben der Steigerung der Lebensqualität, der Einschätzung des Lebensstilverhaltens (Rauchen, Alkoholkonsum, körperliche Aktivität und Nahrungsaufnahme) und der kommunikativen und kritischen Gesundheitskompetenz.

   Um MA zu messen, berücksichtigen die Ermittler (1) die selbstberichtete Medikamenteneinnahme über eine mobile App; (2) MUAH-16, ein Fragebogen zur Medikamenteneinhaltung bei Bluthochdruck; und (3) Abholungen von Apotheken. Die selbst gemeldeten Werte sollen jeden Tag erhoben werden. MUAH-16 wird vor und nach der Intervention gemessen.

   Es wird davon ausgegangen, dass der Blutdruck jeden Monat gemessen wird. In jedem Primärversorgungszentrum gibt es automatische Geräte, mit denen die Menschen kostenlos ihren Blutdruck messen können.

   QoL und HL werden durch EQ5D bzw. HL und vor und nach der Intervention gemessen. Lebensstilbewertungen werden (zwei)wöchentlich anhand von Selbstberichtswerten gemessen.

4. Proximale Ergebnisse (PO) POs sind die kurzfristigen Ziele der Interventionen. Sie können Mediatoren und/oder Zwischenmaßnahmen der DOs sein. Die Medikamenteneinnahmerate gilt als die wichtigste PO, die täglich gemessen wird. Die Rate der körperlichen Aktivität, die (zwei)wöchentlich gemessen wird, ist eine weitere PO.

   Da die meisten Inhalte lehrreich sind und versuchen, das Wissen der Teilnehmer über Hypertonie zu erweitern, fügen die Ermittler einen PO hinzu, um zu messen, wie stark ihr Wissen zugenommen hat. Die Ermittler erwägen zwei Methoden, um sie zu messen. Nachdem der Inhalt gezeigt wurde, fragen die Ermittler zunächst „Wusste der Teilnehmer …?“. Zweitens wird ein einfacher Gamification-Test entwickelt, der zweiwöchentlich durchgeführt wird.

   Um eine schlechte Einhaltung der Interventionen zu verhindern, wird empfohlen, einige POs in Bezug auf Interventionsengagement und Ermüdung zu definieren. Daher betrachten die Ermittler die Anzahl der geklickten Interventionen, die Anzahl der angesehenen Videos, die Like-/Dislike-Feedbacks für jede Intervention als POs in Bezug auf die Einhaltung und Aufbewahrung der Intervention.

5. Tailoring-Variablen (TV) TVs sind Informationen über den Teilnehmer, die verwendet werden, um zu entscheiden, wann welche Intervention durchgeführt wird. Mit anderen Worten, sie werden verwendet, um die Interventionen zu personalisieren und sie an die Umstände des Einzelnen anzupassen. Sie können aktiv oder passiv oder beides gemessen werden. Aktive Bewertungen erfordern das Engagement einer Person beim Messen, beispielsweise durch Selbstberichte, während passive Bewertungen minimales/kein individuelles Engagement erfordern, beispielsweise durch die Sensoren von Mobiltelefonen. POs werden oft als Fernseher verwendet.

   Aus Basisinformationen können einige TVs ausgewählt werden, darunter Alkoholkonsum, Rauchen, spezifische Ernährung (vegetarisch, vegan usw.), Alter und Geschlecht, um die Interventionen zu personalisieren.

   Alle POs werden auch als TVs betrachtet. Aus dem MUAH-16-Fragebogen erfahren die Ermittler mehr über die Überzeugungen, Barrieren und das Verhalten des Einzelnen in Bezug auf die Einhaltung von Medikamenten. Es hat vier Subskalen in Bezug auf (1) positive Einstellung zu Gesundheitsversorgung und Medikamenten; (2) Mangel an Disziplin; (3) Abneigung gegen Medikamente; und (4) aktive Bewältigung von Gesundheitsproblemen. Jede Subskala enthält vier Fragen. Zu Beginn der Intervention werden MUAH-16-Fragen als TVs verwendet. Dann werden während des Interventionszeitraums und basierend auf den zuvor an die Person gelieferten Informationsinhalten die Antworten auf "Wusste der Teilnehmer …?" Fragen werden als Fernseher verwendet.

6. Entscheidungsregeln (DR) DRs sind die Anpassungsmaschine von JITAIs. Sie werden verwendet, um zu bestimmen, welcher IO an wen und wann zu liefern ist. Sie sind die Bindeglieder zwischen IOs und TVs.

DRs in iMedA werden probabilistische Regeln von Experten sein, die durch „Vorschläge“ aus Reinforcement Learning modifiziert werden.