„OnCall“: Implementierungsstudie von M-Health für kanadisches Personal der öffentlichen Sicherheit (OnCall)

Personal für die öffentliche Sicherheit (PSP), einschließlich, aber nicht beschränkt auf Justizvollzugspersonal, Notfallkommunikationspersonal, Feuerwehrleute, Sanitäter und Polizeibeamte, haben aufgrund der anspruchsvollen Art ihrer Arbeit ein erhöhtes Risiko für posttraumatische Belastungsverletzungen (PTSI). Leider stoßen sie auch auf Hürden bei der Suche nach Unterstützung aufgrund von Stigmatisierung in Kombination mit geschlechtsspezifischen Überzeugungen hinsichtlich der Wahrnehmung von Schwäche, dem Druck, Emotionen zu kontrollieren und der Zurückhaltung, Hilfe zu suchen, sowie aufgrund des fehlenden Zugangs zu zeitnaher, qualitativ hochwertiger Pflege, insbesondere für diejenigen, die berufstätig sind in ländlichen oder abgelegenen Gebieten. Peer-Support genießt einen hohen Stellenwert, allerdings sind die Peer-Support-Dienste oft fragmentiert und weisen Unstimmigkeiten in der Ausbildung und unterschiedlichen Modellen der Servicebereitstellung auf. Außerdem gibt es fast keine systematischen Bewertungen, die als Grundlage für kontinuierliche Verbesserungen dienen könnten. Mobile Gesundheitstechnologie (M-Health-Apps) kann ein effektiver und effizienter Ansatz sein, um eine große Anzahl von PSP unabhängig vom Standort zu erreichen, und ein zugänglicher Kanal für die Unterstützung durch Gleichaltrige (und professionelle Unterstützung). In dieser Forschungsstudie werden die Implementierung und die Auswirkungen einer neuen M-Health-Plattform (OnCall und OnCallSupport) untersucht, die auf das Personal der öffentlichen Sicherheit zugeschnitten ist.

Es gibt zwei Gruppen von Forschungsfragen, die dieses Projekt leiten. Der erste Satz bezieht sich auf die Implementierung; Wie nutzen PSPs an vorderster Front die OnCall-Support-App? Wie verändern sich diese Nutzungsmuster im Laufe der Zeit? Welche organisatorischen und sozialen Kräfte prägen Muster der App-Nutzung? Das Consolidated Framework for Implementation Research (CFIR) wird als Leitfaden für die Datenerfassung und Analyse der App-Implementierung dienen. Der zweite Fragenkomplex bezieht sich auf die Auswirkungen der App auf Dienstnutzer. Erhöht die Nutzung der App die Reichweite der Peer-Unterstützung? Reduziert die in der App bereitgestellte Peer-Unterstützung das Ausmaß der psychischen Belastung? Beeinflusst die Nutzung der App die psychische Gesundheitskompetenz, Symptome von Angstzuständen, Depressionen und posttraumatischer Belastungsstörung (PTBS) und/oder die Arbeitsleistung?

Die Implementierung der App wird über einen Zeitraum von 6 Monaten mit Mitarbeitern in 6–8 PSP-Organisationen untersucht. Organisationen werden gezielt ausgewählt, um Unterschiede in Größe, geografischer Lage und Art der Dienstleistung zu untersuchen. Alle teilnehmenden Organisationen müssen über ein etabliertes Peer-Supportprogramm mit etablierter Schulung und laufender Unterstützung für die Peer-Anbieter verfügen. Die Organisationen müssen außerdem 1-2 Organisations-Champions identifizieren, die mit dem Forschungsteam, den Organisationsleitern und den Mitarbeitern an vorderster Front zusammenarbeiten. Peer-Anbieter innerhalb der Organisation werden auf die OnCallSupport-App aufmerksam gemacht und gebeten, über diese M-Health-Plattform Unterstützung zu leisten. Alle Mitarbeiter jeder Organisation werden dann eingeladen, die OnCall-App über vom Forschungsteam bereitgestellte Token herunterzuladen. In der App werden keine personenbezogenen Daten erfasst und die Verbindungen mit den Peer-Anbietern sind völlig privat. Die Mitarbeiter werden außerdem eingeladen, an Basis-, 3- und 6-Monats-Follow-up-Umfragen teilzunehmen, um Veränderungen in der Hilfsarbeit, der psychischen Gesundheitskompetenz, den Symptomen von Angstzuständen, Depressionen und PTBS sowie der Arbeitsleistung zu verfolgen. Mitarbeiter können die App nutzen, ohne an den Online-Umfragen teilzunehmen.

Die Datenerfassung umfasst: a) Interviews mit Champions in jeder Organisation zu Beginn und am Ende des 6-monatigen Testzeitraums, b) Umfragen mit App-Benutzern zu Beginn, 3 Monate und 6 Monate, c) Überprüfung der anonymen, aggregierten App Nutzungsdaten während des Testzeitraums und d) Fokusgruppendiskussionen mit Peer-Support-Anbietern nach 1 Monat und 6 Monaten.

Die Analyse der Implementierungsdaten (Interview-Transkripte mit organisatorischen Champions, Fokusgruppen-Transkripte mit Peer-Support-Anbietern und Softwareanalysen zu Mustern der App-Nutzung) werden durch das CFIR-Framework beeinflusst, um zu ermitteln, wie das äußere Setting, das innere Setting, die Intervention, Teilnehmer und Umsetzungsprozess beeinflussen, wie Mitarbeiter auf die App reagieren.

Die Analyse der Wirkungsdaten umfasst die Bewertung, ob es im Laufe der Zeit zu einer signifikanten Veränderung der einzelnen Ergebnisse kommt (Hilfearbeit, psychische Gesundheitskompetenz, Angstsymptome, Depression, PTSD, Arbeitsleistung). Vorher/Nachher-Daten aus der Basiserhebung sowie 3- und 6-Monats-Follow-up-Umfragen werden verglichen, um Veränderungen in den Dimensionen der psychischen Gesundheitskompetenz, dem Ausmaß der psychischen Belastung (standardisierte Bewertungen von Angstzuständen, Depressionen, PTBS) und der Häufigkeit der Kontaktaufnahme zu verfolgen Verhaltensweisen bei der Suche nach psychischer Unterstützung. Die Daten werden organisationsübergreifend verglichen, um Zusammenhänge zwischen Umsetzung und Ergebnissen hervorzuheben. Es werden mehrere hierarchische lineare Regressionsanalysen durchgeführt, um Unterschiede in der Wirksamkeit basierend auf Geschlecht, Dienstzeit und Beschäftigungsdauer zu untersuchen. Demografische Variablen werden als primäre schrittunabhängige Variablen verwendet, wobei jede primäre Ergebnisvariable als abhängige Variable für eine dedizierte Regression festgelegt wird. Die Ermittler werden eine geschlechts- und geschlechtsspezifische Analyse (SGBA) einbeziehen, da biologisches Geschlecht und sozial konstruiertes Geschlecht Stressreaktionen, psychische Gesundheit und Hilfeleistung beeinflussen können. Das Geschlecht ist besonders wichtig im Hinblick auf den Bedarf an Peer-Unterstützung, den Umgang mit Technologie und die Ergebnisse im Bereich der psychischen Gesundheit. In Übereinstimmung mit den SAGER-Richtlinien (Sex and Gender Equity in Research) wird das Geschlecht im gesamten Design und in der Analyse berücksichtigt. Sowohl in quantitativen als auch qualitativen Analysen wird das Geschlecht als potenzieller Mediator berücksichtigt. Bei der Regressionsmodellierung wird das Geschlecht als Kovariate einbezogen, wobei Wechselwirkungen zwischen dem Geschlecht und anderen Variablen berücksichtigt werden. Wenn möglich, wird eine disaggregierte Modellierung für Männer und Frauen durchgeführt, um festzustellen, ob Unterschiede bestehen.

Mithilfe der Analyse aller Datenquellen werden Empfehlungen zur Optimierung der Umsetzung und Wirkung auf individueller und organisatorischer Ebene generiert.