Gemeindebasierte Pflege für Jugendliche aus Minderheiten mit ADHS: Verbesserung der Treue durch durch maschinelles Lernen unterstützte Überwachung und Feedback zur Treue.

Y02 dieser Studie ist eine kleine (N = 72) klinische Studie der Phase 1/Phase 2 einer Supervisionsintervention, die darauf abzielt, die Behandlungstreue des Therapeuten und die Ergebnisse der anschließenden Leistungserbringung zu verbessern. Das parallele Design umfasst die zufällige Zuweisung geeigneter und zustimmender Patienten in drei kommunalen Einrichtungen zu zwei Interventionsarmen mit aktiver Überwachung (LC4S oder ESAU) unter Verwendung einer permutierten Block-Randomisierungsstrategie, die die Einrichtung berücksichtigt. Die Teilnehmer erhalten Verhaltensinterventionen von Mitarbeitern der Gemeindeagentur, und ihre Servicenutzung wird mithilfe von elektronischen Patientenakten des Projekts und der Agentur verfolgt. An dieser Studie werden auch Agenturtherapeuten und Supervisoren teilnehmen. Therapeuten werden randomisiert, um entweder LC4S oder ESAU von ihrem Vorgesetzten zu erhalten (doppelte Randomisierung), wobei eine Block-Randomisierungsstrategie verwendet wird, die den Standort berücksichtigt. Die Supervisoren werden in dieser Studie beide Supervisionsbedingungen anwenden; Forscher werden jedoch systematisch Kontaminationen untersuchen, um zu beurteilen, ob dieses Design für ein zukünftiges R01 geeignet ist.

Um Vorurteile zu minimieren, werden jugendliche und Elternteilnehmer nicht über die Gruppe informiert, der sie zugeteilt wurden. Eine vollständige Maskierung von Therapeuten und Supervisoren ist in dieser Studie jedoch nicht möglich, da sowohl Supervisoren als auch Therapeuten aufgrund der Art dieser Bedingungen wissen, ob sie an technologiegestützten Supervisionsaktivitäten oder Standardsupervisionsaktivitäten teilnehmen. Der Hauptforscher wird jedoch Therapeuten und Supervisoren gegenüber unseren Studienhypothesen und der Art der Ergebnismessungen blind machen, um Verzerrungen in der Studie zu minimieren. Viele dieser Maßnahmen werden beobachtend und objektiv sein (d. h. Therapieaufzeichnungen, Therapie-Audioaufzeichnungen), was Verzerrungen aufgrund von Selbstberichten reduzieren sollte. Die Ermittler werden auch beurteilen, ob es Gruppeneffekte auf die Genauigkeit des Selbstberichts des Therapeuten gibt. Alle Interventionen werden von Mitarbeitern der Agentur durchgeführt, die nicht verpflichtet sind, Protokolle zur Durchführung von Interventionen zu befolgen, da ein Ergebnis dieser Studie das Ausmaß ist, in dem Therapeuten der Agentur Interventionsverfahren unter Anleitung ihrer Vorgesetzten befolgen. Die Studienbewertungen werden elektronisch über Care4 verwaltet und die Datenerfassung wird vom Studienpersonal überwacht.

Jedes Maß der Genauigkeit wird unter Verwendung eines separaten gemischten/Wachstumsmodells analysiert (Duncan et al., 1999). In diesem Design sind Behandlungssitzungen (Ebene 1) bei Jugendlichen (Ebene 2) verschachtelt, die bei Therapeuten (Ebene 3) verschachtelt sind. Jeder Jugendliche nimmt an bis zu 10 Sitzungen teil; jeder Therapeut behandelt 3 Jugendliche. Supervisoren dienen als zusätzliche höhere Ebene, aber bei so wenigen Supervisoren (ungefähr 6) wird dies angegangen, indem Dummy-Prädiktorvariablen aufgenommen werden, die die Supervisoren darstellen. Die direkte Wirkung von LC4S vs. ESAU auf den Fidelity-Abschnitt und die Steigung wird für jedes Fidelity-Ergebnis getestet (siehe Tabelle 3). Wenn die Zeit auf die erste Sitzung zentriert ist, spiegelt der Schnittpunkt die anfängliche Genauigkeit für die ESAU-Bedingung wider, der Gruppeneffekt spiegelt die anfängliche Genauigkeitsdifferenz zwischen ESAU und LC4S wider, der Zeiteffekt spiegelt die lineare Änderung der Genauigkeit im Laufe der Zeit für die ESAU-Bedingung und die Interaktion wider von Zeit und Gruppe spiegelt den Unterschied zwischen ESAU und LC4S in der linearen Änderung der Wiedergabetreue über die Zeit wider. Als Teil des R34 wird in die Intraclass-Korrelation (ICC) und den Design-Effekt für den Clustering-Effekt von Therapeut und Supervisor auf das Ergebnis schätzen, um zu bestimmen, inwieweit zusätzliches Clustering in einem zukünftigen R01 erforderlich sein wird. ICC reicht von 0 bis 1, wobei größere Werte einen größeren Varianzanteil auf den höheren Ebenen widerspiegeln (hier eher Therapeut und Supervisor als Jugendlicher). Die Ermittler werden auch sowohl lineare als auch nichtlineare Steigungen testen, um die erwartete Form der LGCA in einem zukünftigen R01 zu ermitteln. Die Zeit bis zur MI-Kompetenz des Therapeuten, der Anteil des bis zur 10. Sitzung gelieferten EBT und die Anzahl der Sitzungen und Tage bis zum Abschluss des EBT werden mithilfe von Regression (linear, logistisch oder Poisson, je nach Verteilung der resultierenden Variablen) mit der Gruppe als a modelliert Anzeichen. Die Genauigkeit des Selbstberichts des Therapeuten wird mittels Polynomregression analysiert (Laird & LaFleur, 2013).

Unter Verwendung des R-Pakets powerlmm haben die Ermittler eine Schätzung von 0,8 Fähigkeit, große Effekte (d = 0,8) zu erkennen, die Gruppenunterschiede auf der Ebene der Jugendlichen (Stufe 2) darstellen; Ermittler haben .4 Fähigkeit, mittlere Effekte zu erkennen (d = 0,5) die Gruppenunterschiede auf der Ebene der Jugendlichen darstellen. Unsere Hypothesen liegen jedoch hauptsächlich auf der Ebene des Therapeuten (Ebene 3), die weniger Einheiten hat (d. h. 12 Therapeuten pro Krankheit gegenüber 36 Jugendlichen pro Krankheit). Als solche werden Maße sowohl für Effekte auf der Ebene der Jugendlichen als auch auf der Ebene der Therapeuten geschätzt. Für die Leistung für die ICC-Berechnung verwendeten die Ermittler das ICC.Sample.Size R-Paket basierend auf Zou (2012). Bei einer Stichprobengröße von 72 Teilnehmern, 10 Beobachtungen pro Teilnehmer, Alpha gleich 0,05 und einem zweiseitigen Test haben die Ermittler mehr als 0,9 Leistung erkennt einen ICC von 0,2. ICC-Werte für Querschnittsdaten wie Kinder in Klassenzimmern liegen bei etwa 0,2 (Hedges & Hedberg, 2007). Die Forscher erwarten in dieser Studie eine hervorragende Genauigkeit für die Schätzung der ICC-Werte.