Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Nutzung der EHR zur Weiterentwicklung der Genommedizin in einem vielfältigen Gesundheitssystem

16. Juli 2025 aktualisiert von: Katherine Nathanson, MD, University of Pennsylvania

Einsatz von Verhaltensökonomie und Implementierungswissenschaft zur Förderung des Einsatzes der Genommedizin unter Nutzung einer EHR-Infrastruktur in einem vielfältigen Gesundheitssystem

Angesichts der Ausweitung der Indikationen für Gentests und unseres Verständnisses von Erkrankungen, bei denen sich die Ergebnisse auf die medizinische Behandlung auswirken, ist es unerlässlich, über neue Wege nachzudenken, um über den traditionellen genetischen Beratungsbesuch hinaus eine Versorgung zu gewährleisten, die sowohl für eine groß angelegte Umsetzung geeignet als auch nachhaltig ist. Die Forscher schlagen einen völlig neuen Ansatz für die Umsetzung der genomischen Medizin vor, der von der Leitung von Penn Medicine unterstützt wird und den Einsatz von nicht-genetischen Anstößen von Klinikern und Patienten bei der Bereitstellung der genomischen Medizin durch eine pragmatische, randomisierte klinische Studie untersucht, die auf NHGRI-Prioritäten eingeht. Unsere Anwendung ist konzeptionell und technisch äußerst innovativ und baut auf dem bereits vorhandenen Fachwissen und der Infrastruktur auf.

Zu den innovativen Qualitäten unseres Vorschlags gehören: 1) Modernste EHR-Infrastruktur, die bereits zur Unterstützung der Genommedizin aufgebaut ist (z. B. Partnerschaft mit mehreren kommerziellen Gentestlabors für die direkte Bestellung von Tests und die Ergebnisberichterstattung in der EHR); 2) Automatisierte EHR-basierte direkte Bestellung oder Überweisung durch Fachärzte (d. h. Verwendung replizierbarer Module, die es Fachärzten ermöglichen, Gentests über Epic Smartsets zu bestellen, einschließlich aller erforderlichen Komponenten, wie z. B. ausgefüllte Genlisten, Smartphrases, Gentests und Informationswebsites). und Bestätigungs-E-Formulare für die Patientenunterschrift); 3) EHR-Algorithmen zur genauen Patientenidentifizierung (d. h. elektronische Phänotypalgorithmen zur Identifizierung geeigneter Patienten, von denen derzeit keiner über Phänotypalgorithmen in PheKB verfügt; 4) Verhaltensökonomisch fundierte wissenschaftliche Implementierungsmethoden: Diese Studie wird die erste sein, die Implementierungsstrategien bewertet verhaltensökonomische Erkenntnisse, die sich an Kliniker und/oder Patienten richten, um den Einsatz von Gentests zu steigern; Darüber hinaus wird es die erste Studie in diesem Bereich sein, die zwei Formen von Standardvorgaben als mögliche lokale Anpassung zur Erleichterung der Umsetzung testet (Anordnen vs. Verweisen); und 5) Verbreitung: Zusätzlich zu den Standardverbreitungsmodalitäten PheKB95, GitHub und Epic Community Library schlagen die Forscher eine Verbreitung über AnVIL (NHGRIs Genomic Data Science Analysis, Visualization and Informatics Lab-Space) vor. Unsere Ergebnisse werden ein völlig neues Paradigma für die Bereitstellung genomischer Medizin für Patienten darstellen, bei denen die Ergebnisse von Gentests das medizinische Management verändern.

Studienübersicht

Detaillierte Beschreibung

Überblick: Durch die Einbeziehung wichtiger Interessengruppen werden in dieser Studie von Ärzten und Patienten gesteuerte Anstöße verfeinert, die darauf abzielen, die Status-Quo-Voreingenommenheit zu ändern, auf die man sich bei der Komplexität der medizinischen Versorgung und Entscheidungsfindung allzu oft verlässt, wodurch die Wahrscheinlichkeit verringert wird, dass Gentests durchgeführt werden in Situationen eingesetzt werden, in denen es die medizinische Behandlung verändern wird. Die Forscher werden Algorithmen definieren, um Patienten zu identifizieren, die für Gentests in Frage kommen (Ziel 1); Durchführung einer hybriden Typ-3-Cluster-randomisierten Implementierungsstudie zur Bewertung optimierter patienten- und/oder klinikergesteuerter Nudges für den verstärkten Einsatz von Gentests zur Information des medizinischen Managements (Ziel 2); und sich an Verbreitungsaktivitäten zu beteiligen, um die Fähigkeit anderer medizinischer Einrichtungen zu erhöhen, sowohl unsere EHR-basierte Infrastruktur als auch die in dieser Studie entwickelten und evaluierten Umsetzungsstrategien zu übernehmen (Ziel 3).

Für Ziel 1 wird unser Stakeholder-Beirat die Impulse so gestalten, dass Umsetzungsstrategien „risikoreduziert“ und optimiert werden, indem sichergestellt wird, dass die Perspektiven der Endnutzer zunächst einbezogen werden. In Ziel 2 werden die Forscher unsere optimierten Nudges in einer sechsarmigen, hybriden, pragmatischen Cluster-randomisierten kontrollierten Studie (RCT) vom Typ 3 mit sechs Armen testen, um die Wirksamkeit von Nudges an Kliniker (Überweisung vs. Anordnung), Nudges an Patienten oder Nudges an beide zu bewerten zur Steigerung der Gentests, im Vergleich zum allgemeinen Best-Practice-Alarm des Klinikers und ohne Anstoß. An der Studie werden 230 Kliniker teilnehmen, die die Einheit der Randomisierung bilden. Die Randomisierung wird anhand von „Clustern“ von Klinikern durchgeführt, um das Kontaminationspotenzial zu kontrollieren, das entstehen kann, wenn eng zusammenarbeitende Kliniker randomisiert verschiedenen Teilen der Studie zugeteilt werden. Sobald die Cluster nach Fachgebieten randomisiert sind, wird die Studie über einen Zeitraum von drei Jahren mindestens 16.500 Patienten begleiten und dabei die Genauigkeit der Nudge-Verabreichung, den Einsatz von Gentests und sekundäre Implementierungsergebnisse überwachen. Patienten-, Kliniker- und Systemfaktoren werden als Moderatoren bewertet und ein Wirksamkeitsergebnis untersucht.

In Ziel 3 werden sowohl EHR-basierte Algorithmen, die bereits durch die PennChart Genomics Initiative etabliert wurden, für die die Forscher mehrere Anfragen erhalten haben, als auch die durch diese Anwendung entwickelten Algorithmen über PheKB, ANVIL und Epic Community Library geteilt.

Ziel 1: Entwicklung von auf die Verhaltensökonomietheorie basierenden, von Ärzten und Patienten gesteuerten Anstößen im Rahmen der EHR, die die Hindernisse für genetische Tests durch Fachärzte bei Patienten beseitigen, bei denen sich dadurch das medizinische Management ändern wird, sowie die Entwicklung von an Ärzte und Patienten gerichteten Informationen Websites und verfeinern EHR-Algorithmen, um Patienten zu identifizieren, die gute Kandidaten für Gentests sind. Verfahren zur Verfeinerung von Systemen zur Identifizierung von Patienten für Gentests: Obwohl es eine wachsende Zahl von Erkrankungen gibt, bei denen Gentests indiziert sind und deren Ergebnisse die medizinische Behandlung der Patienten verändern werden, lassen sich zwischen 0 und 90 % der Patienten einem Gentest unterziehen. Um dies zu ändern, müssen zunächst elektronische Phänotypisierungsalgorithmen eingesetzt werden, um geeignete Patienten zu identifizieren. Die Entwicklung elektronischer Phänotyp-Algorithmen umfasst die Integration von ICD-10-Diagnosecodes, klinischen Labormessungen, Vitalfunktionen, Medikamenten, Verfahren und klinischen Notizen in regelbasierte Algorithmen, um Personen zu identifizieren, die mit einer Diagnose für einen bestimmten Krankheitsphänotyp klassifiziert werden können. Die Phänotyp-Wissensdatenbank (PheKB) ist eine kollaborative Umgebung zum Erstellen, Validieren und Teilen dieser elektronischen Phänotyp-Algorithmen. Um unsere RCT durchzuführen, müssen die Forscher zunächst Patienten identifizieren, die von Gentests profitieren würden. Die Forscher werden eng mit den klinischen Experten für Neurogenetik, Herz- und medizinische Genetik zusammenarbeiten, um die klinischen Merkmale aus der EHR zu identifizieren, um die Krankheitsdiagnose für jede Erkrankung zu definieren, einschließlich zweier früherer Begegnungen für die Diagnose mit dem ersten innerhalb eines Jahres. Die Forscher werden den Algorithmus einsetzen und dann eine manuelle Überprüfung von 100 Diagrammen durchführen, um den positiven Vorhersagewert (PPV) des Algorithmus abzuschätzen; Dies ist der Anteil der vom Algorithmus als Fälle definierten Patienten, die an dieser Krankheit leiden. Die Ermittler werden außerdem eine manuelle Überprüfung von 100 Diagrammen für Personen durchführen, die einen Diagnosecode in der EHR haben, der aus zwei verschiedenen Begegnungen für eine der Studienbedingungen stammt, aber anhand des elektronischen Phänotypisierungsalgorithmus nicht als Fälle identifiziert werden. Diese Überprüfung wird uns eine Schätzung darüber geben, wie viel Spezifität die Forscher mit dem elektronischen Phänotypalgorithmus über die Diagnosecodes allein hinaus gewinnen. Da die durch den Algorithmus identifizierten Patienten in die klinische Studie aufgenommen werden, streben die Forscher einen PPV von 100 % an. Jeder durch die Phänotyp-Algorithmen identifizierte Patient wird dem diagnosespezifischen Epic Registry und der SQL-Datenbank hinzugefügt. Die Algorithmen werden im Rahmen von Ziel 3 verbreitet.

Verfahren für das Nudge-Design: Um eine nachhaltige EHR-basierte Infrastruktur zu entwickeln, die die Bereitstellung genomischer Medizin und die Einbeziehung von Fachärzten unterstützt und für andere Gruppen auf nationaler Ebene gleichermaßen wertvoll ist, müssen die Ermittler mehrere Perspektiven auf die Art und Weise unserer Nudges berücksichtigen – Inhalt, Design und Art der Lieferung – wird sich auf Institutionen, Kostenträger, Ärzte und Patienten auswirken. Daher haben die Forscher einen Stakeholder-Beirat mit vielfältigen Vertretern von Genetik- und Nicht-Genetik-Klinikern, Informatikern, Kostenträgern, Testunternehmen, Rechtsexperten und Ethikern sowie Patientengruppen und Gemeindevertretern gebildet, der über Fachwissen zu gesundheitlichen Ungleichheiten und Gerechtigkeit verfügt. Die Gruppe wird die Entwicklung und Formulierung der Nudges, genetische und krankheitsspezifische Website-Schulungen für Patienten und Kliniker sowie die Benutzerfreundlichkeit der EHR-basierten Infrastruktur für die Bestellung, Ergebnisse und Überweisung von Gentests unterstützen.

Um sicherzustellen, dass unser Nudge-Design und die Umsetzung Fragen berücksichtigen, die für gesundheitliche Ungleichheiten und Chancengleichheit relevant sind, haben die Forscher Dr. Rachel Shelton als Beraterin engagiert. Sie ist eine Expertin für das Verständnis und die Bewältigung bestehender gesundheitlicher Ungleichheiten sowie für die Identifizierung von Interventionen und Strategien zur Förderung größerer gesundheitlicher Chancengleichheit. Sie hat mit Mitgliedern des Forschungsteams zusammengearbeitet, um Nudges zu entwickeln, die die Qualität der Krebsversorgung verbessern, bestehende gesundheitliche Ungleichheiten berücksichtigen und Indikatoren für gesundheitliche Ungleichheiten als Moderatoren der Nudge-Wirksamkeit bewerten. Der Stakeholder-Beirat trifft sich im ersten Jahr dreimal und in den Folgejahren alle sechs Monate; Die Diskussionen werden aufgezeichnet und Umfragefragen zur Bewertung der Benutzerfreundlichkeit von Nudge-Designs werden beantwortet.

Patienteninformationsvideo: Das Video wird als Teil des patientengesteuerten Anstoßes eingesetzt. Patienten mit Patientenschubarmen erhalten per SMS einen Link zum Video. Das Video bietet allgemeine Informationen zu Gentests und kann von Patienten mehrmals angesehen werden.

Informationswebsite für Ärzte: Es wird eine Informationswebsite für Ärzte entwickelt, die im Intranet von Penn Medicine verwaltet wird. Es wird durch die Anstöße des Arztes und nach der Übermittlung der Ergebnisse verfügbar sein. Die Website enthält Informationen über Genetik und Gentests, Einzelheiten zur Bestellung von Gentests über das EHR (mit Hinweisblättern), Überweisungen an genetische Kliniken von Penn Medicine und wie sich die Ergebnisse von Gentests auf die medizinische Behandlung des Patienten bei jeder Diagnose auswirken würden.

Ziel 2: Durchführung einer randomisierten klinischen Typ-3-Hybrid-Implementierungscluster-Studie zur Bewertung der Auswirkung von verhaltensökonomischen Nudges durch Kliniker und Patienten, die innerhalb der EHR bereitgestellt werden, auf die Rate von Gentests durch nichtgenetische Fachärzte in einem vielfältigen Gesundheitssystem im Vergleich auf generische Nachrichten und keine Vorgabe.Gesamtdesign. Die Forscher werden optimierte Implementierungsstrategien in einem sechsarmigen faktoriellen Hybrid-Typ-3-Cluster-Implementierungs-RCT testen und dabei die Wirksamkeit von Anstößen an Kliniker (Überweisung vs. Anordnung), Anstößen an Patienten oder Anstößen an beides testen, um die Gentests bei Patienten zu erhöhen, für die Tests würden das medizinische Management beeinflussen im Vergleich zu einem generischen Best-Practice-Alarm/kein Anstupsen des Patienten oder des Klinikers. Die Forscher schließen zwei Formen von ärztlichen Nudges ein – Überweisung und Anordnung – um die Auswirkungen einer lokalen Anpassung an diese Umsetzungsstrategie zu berücksichtigen und zu testen, die ein wichtiger Faktor sein kann, der die Wirksamkeit von Umsetzungsstrategien beeinflusst. Primäre und sekundäre Implementierungsergebnisse sowie kontextbezogene Faktoren, die die Wirksamkeit der Implementierung und die Ärztezählung beeinflussen. Wie in unseren laufenden Studien orientiert sich auch unsere Studie an der Perspektive der gesundheitlichen Chancengleichheit. Zu diesem Zweck konzentrierten sich unsere vorläufigen Daten auf die Identifizierung von Erkrankungen, bei denen Gentests die Ergebnisse beeinflussen können und bei denen es Unterschiede bei den Tests zwischen verschiedenen Rassen gibt. Zweitens haben die Forscher erhebliche gesundheitliche Unterschiede bei der Gestaltung und Durchführung unserer Nudges berücksichtigt. Insbesondere untersuchten die Forscher die Zugriffsrate auf unser Patientenportal und stellten fest, dass die Zugriffsraten für ethnische Minderheitengruppen niedriger sind, einschließlich der Zustellung von Patientenansagen per SMS. Drittens umfasst der Analyseplan eine Bewertung der Auswirkungen unserer Nudges auf alle Aktiengruppen. Alle patientenbezogenen Materialien werden auf Spanisch verfügbar sein.

Teilnehmer und Randomisierung. Kliniker an jedem Standort werden anhand variabel permutierter Blöcke in sechs Arme randomisiert. Die Forscher werden Cluster von Klinikern bilden und Cluster mithilfe von Rohdaten von Klinikadministratoren randomisieren, um Netzwerke miteinander verbundener Kollegen zu identifizieren. Ein Verzicht auf die Einwilligung nach Aufklärung ermöglicht die Erfassung allgemeiner Volkszählungsdaten zur Charakterisierung der Klinikerstichprobe, EHR-Daten zur Charakterisierung der Patientenstichprobe und die Ermittlung von Daten zur Beurteilung als Studienmoderatoren. Unsere Kliniker-Stichprobe besteht aus praktizierenden Ärzten an allen Standorten und wird 1) derzeit an einem Standort von Penn Medicine praktizieren; 2) eine Verschreibungsbefugnis in Pennsylvania haben (d. h. ein Arzt oder ein APP); und 3) in den letzten 30 Tagen vor der Rekrutierung mindestens fünf Patienten betreut haben.

Diagnosespezifisches Epic-Register: Basierend auf den in Ziel 1 entwickelten elektronischen Phänotypalgorithmen werden geeignete Patienten in diagnosespezifische Epic-Register gefiltert. Dieser Schritt ist notwendig, um die Patienten zu identifizieren, die für die Beobachtung in der Studie in Frage kommen. Sobald diese Patienten identifiziert und in dieses Register eingetragen sind und einen Termin mit einem Kliniker aus unserer Klinikgruppe haben, werden sie in das System der Studie in einem der randomisierten Arme aufgenommen. Die Registry steuert die nachgelagerten Nudges, z.B. für Kliniküberweisungen, Auswahl genetischer Tests und Informationen für Ärzte.

Anstoß an Ärzte: Die Ermittler werden die Best Practice Alert (BPA)-Funktion innerhalb der EHR als unseren Weg zur Entscheidungsfindung über Gentests mit Ärzten nutzen. Die Bereitstellung von Epic BPA kann geändert werden, um die Einbeziehung von Nudges zu ermöglichen. Wenn ein Patient von einem Kliniker untersucht werden soll, der zufällig einem unserer Studienzweige zugeteilt wird und mit der Eignung des Patienten (Register) übereinstimmt, wird beim nächsten Besuch bei diesem Kliniker der BPA des Klinikers entlassen. Der BPA kann durch über 50 verschiedene potenzielle Aktionen innerhalb des Diagramms ausgelöst werden, z. B. durch die Eingabe einer Patientendiagnose oder eines Patientenproblems oder durch das Öffnen oder Eingeben von Aufträgen. Bevor das Diagramm geschlossen wird, ist eine Auflösung des BPA erforderlich. Der Clinician Nudge wird zwei Formen haben, um der Notwendigkeit Rechnung zu tragen, eine lokale Anpassung der Umsetzungsstrategie zu beurteilen: Überweisung oder Anordnung. In beiden Fällen sind „Referenz“ oder „Bestellung“ voreingestellt; Der Arzt muss auf „Nicht bestellen“ oder „Nicht öffnen (Anordnung festlegen)“ umschalten und ist in diesem Fall eine Erklärung erforderlich. Vor dem Start der Studie erhalten Kliniker durch monatliche Treffen des Krankheitsteams der Serviceline unter der Leitung der Studien-MPIs standardisierte Informationen über die Studie. Diese Sitzungen vermitteln grundlegende Informationen über die Studie, ohne die Hypothesen offenzulegen.

Refer Clinician Nudge: Wenn der Refer Clinician Nudge angenommen wird, wird automatisch ein Auftrag für eine genetische Beratung mit dem entsprechenden Genetikprogramm auf der Grundlage des diagnosespezifischen Epic Registry erteilt, entweder Medizin/Krebs, Herz oder Neurogenetik. Der Auftrag geht an den Planungspool für jedes Programm, der den Patienten für einen Termin kontaktiert (warme Übergabe). Patienten mit Phäo/Pgl, die in der Medizin oder in der Krebsgenetik beobachtet werden, werden vor Ort untersucht, da alle Krankenhäuser über Anbieter für Krebsgenetik verfügen. Bei Patienten, die an Herz- oder Neurogenetik überwiesen werden, werden die Patienten kontaktiert und ihnen wird je nach Wunsch ein persönlicher Besuch bei HUP oder PAH oder ein telemedizinischer Besuch angeboten. Diese Prozesse sind alle vorhanden, da Ärzte über die EHR Konsultationen zu allen Genetikprogrammen durchführen können.

Order Clinician Nudge: Für den Order Clinician Nudge wird die Epic SmartSet-Funktion verwendet, da diese üblich und leicht übertragbar ist. Das SmartSet umfasst 1) einen Gentestauftrag mit einem Standardsatz diagnosespezifischer Gene und einem ausgewählten Testlabor (die BPAs und die daraus resultierenden Smart Sets hängen von der Versicherung des Patienten ab, d. h. wenn der Patient an ein bestimmtes kommerzielles Testlabor gebunden ist). oder wenn gesponserte Tests verfügbar sind, gehen die Tests an dieses Labor). 2) Standardanordnung zur Versendung des Gentest-Kits (Speichel oder Mundschleimhautabstrich) an das Haus des Patienten; 3) Smartphrase zum Ausfüllen der Notiz des Arztes; und 4) die Möglichkeit, den klinischen Brief an das Testunternehmen zu senden. Sobald die Bestellung über das SmartSet aufgegeben wurde, wird ein verknüpfter zweiter BPA angezeigt, der ein einseitiges E-Formular zur Bestätigung des Gentests zur Unterschrift des Patienten enthält (jeder Untersuchungsraum verfügt über ein Unterschriftenpad zur E-Signatur), das der Arzt überprüfen kann mit dem Patienten. Das einseitige elektronische Bestätigungsformular, das auf Englisch und Spanisch entwickelt wurde, wird mindestens Informationen zur Möglichkeit verschiedener Arten von Gentestergebnissen (positiv, negativ, Variante mit ungewisser Signifikanz) und zu den Auswirkungen auf Familienmitglieder sowie Kranken- und Lebensversicherung enthalten , einschließlich des Gesetzes zur Nichtdiskriminierung genetischer Informationen. Ohne die E-Signatur wird die Bestellung nicht abgeschlossen. Die After-Visit Summary (AVS), die jeder Patient am Ende seines Besuchs erhält, wird automatisch mit dem unterschriebenen Bestätigungs-E-Formular und einem Link zur Patientenaufklärungswebsite ausgefüllt.

Nudge an Patienten: Der Patienten-Nudge soll den Patienten „vorbereiten“, vor seinem nächsten Termin mit seinem Arzt die potenziellen Vorteile von Gentests zu besprechen. Der Patienten-Anstoß wird per SMS direkt an das Mobiltelefon des Patienten gesendet, da schätzungsweise 25 % der Patienten das Patientenportal nicht als Kanal für Gesundheitsinformationen nutzen. Der Patienten-Nudge wird innerhalb von 72 Stunden vor seinem Arzttermin übermittelt und enthält eine normalisierende Sprache über die potenziellen Vorteile von Gentests für seine Erkrankung sowie eine klare Botschaft der Billigung: Der Patienten-Nudge wird einen Link zum oben besprochenen Informationsvideo enthalten.

Generischer Clinician Nudge: Um die Erfahrung aller in diesen Arm randomisierten Kliniker (und der Patienten, die sie sehen) zu standardisieren, verwenden wir einen generischen Clinician BPA. Der Inhalt des BPA weist darauf hin, dass der Patient möglicherweise für einen Gentest in Frage kommt, und enthält einen Link zur Website des Arztes (Ziel 1). Es wird keine Auswahlarchitektur eingebettet, um die Bestellung oder Weiterleitung von Gentests zu erleichtern. Es erfolgt kein Patientenanstoß.

Unterstützung für Ärzte bei der Rückgabe von Gentestergebnissen: In allen Studienzweigen werden einzelne Ergebnisse von Gentests zusammen mit einer begleitenden PDF-Datei mit den vollständigen Ergebnissen an die EHR zurückgegeben. Zusammen mit den Ergebnissen wird eine statische Option mit dem Hyperlink zur Informationswebsite des Arztes angezeigt (Abbildung 6). Wenn sie die Ergebnisse öffnen, erhalten sie ein BPA mit Optionen für: 1) die Bestellung einer Konsultation zur Genetik, die automatisch weitergeleitet wird der Krankheit entsprechende Klinik; oder 2) e-Consult Genetics, was bedeutet, dass sie ohne formelle Überweisung eine Frage an Genetics senden können (wiederum anhand des Krankheitstyps [Epic Registry] gesichtet).

Versicherungsschutz für Gentests: Ein wichtiger Punkt, der sowohl für Ärzte als auch für Patienten Anlass zur Sorge gibt, ist der Versicherungsschutz für Gentests. Ärzte kümmern sich nicht direkt um den Versicherungsschutz. Die Versicherungsinformationen des Patienten gehen über HL7 mit dem Testauftrag an das kommerzielle Labor, das mit der Versicherungsgesellschaft zusammenarbeitet. Im Rahmen des Smartsets haben Ärzte außerdem die Möglichkeit, ihren klinischen Brief direkt an das Testunternehmen weiterzuleiten, um Versicherungsansprüche zu belegen. Diese Option ist bereits in der PennChart Genomics Initiative integriert. Da sich die Testunternehmen direkt mit der Deckung befassen, können die Forscher nur nachverfolgen, ob die Tests für die in dieser Studie erfassten, direkt bewerteten Erkrankungen abgeschlossen wurden (nicht den Versicherungsschutz an sich). Für jede der Erkrankungen werden über 95 % der bestellten Gentests abgeschlossen. Bei weniger als 5 % der Patienten müssen die Kosten aus eigener Tasche über 100 US-Dollar betragen. Diese Informationen werden in das von Nudges bereitgestellte Bildungsmaterial integriert.

Testen und Validieren von EHR-Nudges: Um die Nudges einzuleiten, verwenden die Forscher einen zweiphasigen Ansatz aus vergangenen und laufenden Studien. In der ersten Phase wird der Alarm unsichtbar im Hintergrund ausgelöst, ohne dass Patienten oder Ärzte dazu aufgefordert werden. Anschließend erfolgt eine Auswertung der Ergebnisse zur Überprüfung der Richtigkeit. Der Algorithmus wird verfeinert, bis er die perfekte Genauigkeit erreicht. In der zweiten Phase werden Clinician Nudges mehrere Wochen lang bei einigen wenigen Klinikern live ausgestrahlt. Anschließend werden die Ermittler die Patienten, bei denen die Entlassung hätte erfolgen sollen, mit denen, bei denen die Entlassung hätte erfolgen sollen, sowie die Akzeptanz der Warnung für das klinische Personal vergleichen. Während des gesamten Versuchs wird die Abgabe von Schubsern in allen Armen überwacht.

Studientyp

Interventionell

Einschreibung (Geschätzt)

1000

Phase

  • Unzutreffend

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienkontakt

Studienorte

    • Pennsylvania
      • Philadelphia, Pennsylvania, Vereinigte Staaten, 19104
        • Rekrutierung
        • Penn Medicine
        • Kontakt:

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Nein

Beschreibung

Einschlusskriterien:

  • 18 Jahre oder älter
  • bei denen eine der Studienbedingungen diagnostiziert wurde

Ausschlusskriterien:

  • Unter 18 Jahren
  • bei denen keine der Studienbedingungen diagnostiziert wurde

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

  • Hauptzweck: Versorgungsforschung
  • Zuteilung: Zufällig
  • Interventionsmodell: Fakultätszuweisung
  • Maskierung: Vervierfachen

Waffen und Interventionen

Teilnehmergruppe / Arm
Intervention / Behandlung
Aktiver Komparator: Generisches BPA; kein Anstoß
Übliche Pflege
Vergleich der genetischen Raten zwischen Personen, für die es in den verschiedenen Studienzweigen einen Unterschied in ihrer Pflege machen könnte.
Aktiver Komparator: Der Arzt stößt ihn an, ordnet ihn an
Der Arzt erhält einen Anstoß, einen Gentest für den Patienten anzuordnen.
Vergleich der genetischen Raten zwischen Personen, für die es in den verschiedenen Studienzweigen einen Unterschied in ihrer Pflege machen könnte.
Aktiver Komparator: Anstoß durch den Arzt, verweisen
Der Kliniker erhält einen Anstoß, den Patienten zu einem Gentest zu überweisen.
Vergleich der genetischen Raten zwischen Personen, für die es in den verschiedenen Studienzweigen einen Unterschied in ihrer Pflege machen könnte.
Aktiver Komparator: Geduldiger Anstoß
Der Patient erhält eine SMS, in der er aufgefordert wird, mit seinem Arzt über Gentests zu sprechen.
Vergleich der genetischen Raten zwischen Personen, für die es in den verschiedenen Studienzweigen einen Unterschied in ihrer Pflege machen könnte.
Aktiver Komparator: BPA-Anordnung des Arztes plus Anstoß für den Patienten
Der Arzt erhält einen Anstoß, einen Gentest für den Patienten anzuordnen, und der Patient erhält eine SMS, in der er aufgefordert wird, mit seinem Arzt über Gentests zu sprechen.
Vergleich der genetischen Raten zwischen Personen, für die es in den verschiedenen Studienzweigen einen Unterschied in ihrer Pflege machen könnte.
Aktiver Komparator: BPA-Überweisung durch den Arzt plus Anstoß für den Patienten
Der Arzt erhält einen Anstoß, den Patienten zu Gentests zu überweisen, und der Patient erhält eine SMS, in der er aufgefordert wird, mit seinem Arzt über Gentests zu sprechen.
Vergleich der genetischen Raten zwischen Personen, für die es in den verschiedenen Studienzweigen einen Unterschied in ihrer Pflege machen könnte.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Rate genetischer Tests
Zeitfenster: 3 Jahre
Die Anzahl der behandelten Patienten im Verhältnis zur Gesamtzahl der durchgeführten Gentests
3 Jahre

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Rate der Gentestbestellungen/-überweisungen
Zeitfenster: 3 Jahre
Die Anzahl der ausstehenden Bestellungen oder Überweisungen für Gentests, ob abgeschlossen oder nicht
3 Jahre
Rate der Patienteneinbindung
Zeitfenster: 3 Jahre
Häufigkeit der Patientenanmeldungen auf den Websites mit Informationen zu Gentests und Dauer jedes Besuchs
3 Jahre
Rate pathogener Varianten und VUS
Zeitfenster: 3 Jahre
Diese werden nach Abstammung geschichtet; Vergleich der Wirkung von Nudges anhand der Basis-Gentestraten und, wie am besten beurteilt, der Versicherungsschutzraten
3 Jahre
Rate der Maßnahmen des Arztes
Zeitfenster: 3 Jahre
Sechs Monate nach den Ergebnissen werden wir messen, ob Patienten mit pathogenen Varianten ärztliche Maßnahmen ergreifen, insbesondere erteilte Bestellungen
3 Jahre

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Ermittler

  • Hauptermittler: Katherine L Nathanson, MD, University of Pennsylva
  • Hauptermittler: Robert Schnoll, PhD, University of Pennsylva
  • Hauptermittler: Marylyn Ritchie, PhD, University of Pennsylva

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Tatsächlich)

10. Juni 2024

Primärer Abschluss (Geschätzt)

30. Juni 2027

Studienabschluss (Geschätzt)

30. Juni 2027

Studienanmeldedaten

Zuerst eingereicht

31. März 2024

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

17. April 2024

Zuerst gepostet (Tatsächlich)

22. April 2024

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

20. Juli 2025

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

16. Juli 2025

Zuletzt verifiziert

1. Juli 2025

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Produkt, das in den USA hergestellt und aus den USA exportiert wird

Nein

Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .

Klinische Studien zur Parkinson Krankheit

Klinische Studien zur Verhaltensschub

Abonnieren