PAUSE: Mobile App-Studie zum Medikamentenmanagement am Krankheitstag (PAUSE)

Im Rahmen unserer früheren Forschung haben wir Gesundheitsdienstleister aus Alberta zu „Faktoren befragt, die die Entscheidung des Arztes beeinflussen, Patienten mit Diabetes und chronischer Niereninsuffizienz eine Anleitung zur Medikation am Krankentag zu geben, um unerwünschte Ereignisse zu verhindern.“ Unsere Ergebnisse zeigten, dass 75 % der primären Gesundheitsdienstleister über Leitlinien zur Medikamenteneinnahme bei Krankheitstagen informiert waren, aber nur 56 % wussten, wo sie Leitlinien und Ressourcen finden konnten. Eine überwältigende Mehrheit der Befragten (97 %) befürwortete die Aufnahme von Patienten in eine Studie zur Bewertung alternativer Innovationen für die Bereitstellung von Medikamentenempfehlungen für Krankheitstage.

In einer kürzlich durchgeführten Scoping-Überprüfung, in der bestehende Interventionen zusammengefasst wurden, stellte unser Forschungsteam fest, dass sich die meisten veröffentlichten SDMG-Dokumente an Gesundheitsdienstleister richteten und nur wenige Dokumente auf Patienten zugeschnitten waren. Diese erfolgten hauptsächlich in Form von Handzetteln, Karten im Brieftaschenformat, Webseiten oder telefonischem Support. Es gibt nur begrenzte Primärforschung zur Entwicklung, Implementierung oder Bewertung aktueller SDMG-Interventionen. Es wurde berichtet, dass es schwierig sei, den meisten Fällen zu folgen, und die fehlerfreie Identifizierung von Krankheitstagen oder qualifizierten Medikamenten war selten. Diese Umfrage und Überprüfung verdeutlichen die Notwendigkeit, neue Lösungen für die Bereitstellung von SDMG für Patienten zu entwickeln und zu bewerten. Unsere frühere Arbeit ergab auch, dass Senioren in Kanada für den Einsatz elektronischer Kommunikationsmittel aufgeschlossen waren und mehrere Patienten Interesse an der Nutzung elektronischer Gesundheitstools (eHealth) für das Selbstmanagement von Krankheitstagen bekundet haben.

Teilnehmer, die an der Intervention teilnehmen, erhalten Zugriff auf die PAUSE-App, ein Selbstverwaltungstool für SDMG, das für Patienten während einer akuten Erkrankung gedacht ist. Die Apothekenunterlagen von Loblaw/Shoppers Drug Mart der Benutzer sind elektronisch mit der PAUSE-App innerhalb der President's Choice (PC) Health-App verknüpft, sodass aktuelle Empfehlungen auf der Grundlage aktuell verschriebener Medikamente möglich sind. Die App stellt den Nutzern eine Reihe von Fragen zu Anzeichen und Symptomen, die auf eine Krankheit am Tag der Krankheit hinweisen, und sucht nach Warnsignalen, die eine Überweisung in den Notfall, an einen Gesundheitsdienstleister oder eine dringende Pflege erfordern würden, und hilft Patienten dabei, herauszufinden, welche Medikamente sie einnehmen sollten vorübergehend zurückzuhalten oder anzupassen, angepasst an die aktuelle Medikamentenliste eines Patienten. Ziel ist es, Patienten eine interaktive Unterstützung bei der Medikamenteneinnahme während eines Krankheitstages zu bieten. Im Rahmen der Intervention erhalten die Patienten auch ein SDMG-Patientenhandout. Die Intervention befasst sich mit den zuvor identifizierten Herausforderungen bei der Identifizierung qualifizierender Anzeichen und Symptome, die SDMG rechtfertigen, und der geeigneten Medikamente über eine interaktive und individualisierte elektronische Anwendung, die die Bereitstellung von SDMG erleichtern soll. Die übliche Pflegegruppe erhält ein SDMG-Patientenhandout, in dem SDMG beschrieben und erläutert wird, welche Medikamente für SDMG in Frage kommen.

Basierend auf vorläufigen Daten gehen die Forscher von einem absoluten Unterschied von 30 % (50 % mit PAUSE-App vs. 20 % ohne PAUSE-App) im Anteil der Teilnehmer aus, die einen simulierten Krankheitstag fehlerfrei absolvieren. Unter Verwendung eines zweiseitigen Alphas von 0,05, einer Trennschärfe von 80 % und eines Korrelationskoeffizienten zwischen den Klassen von 0,1 zwischen Apothekenclustern ist eine Stichprobengröße von 280 Teilnehmern erforderlich. Um einen Verlust von 10 % bei der Nachbeobachtung auszugleichen, streben die Forscher an, insgesamt 320 Teilnehmer für die Studie zu rekrutieren. Die Ermittler planen die Rekrutierung von 16 Apotheken, die jeweils 20 Teilnehmer rekrutieren.

Datenanalyse Basisdaten der Teilnehmer, einschließlich Soziodemografie, Komorbiditäten und aktive Verschreibungen, werden mithilfe deskriptiver Statistiken analysiert. Machbarkeits- und Genauigkeitsergebnisse werden anhand deskriptiver Statistiken mit Zahlen und Prozentsätzen gemeldet. Vergleiche der Ergebnisse zwischen Gruppen (z. B. PAUSE-App vs. übliche Pflege) werden unter Verwendung unbereinigter und angepasster verallgemeinerter Schätzgleichungen berichtet, um mittlere Unterschiede und Risikounterschiede zwischen Gruppen zu bestimmen. Beschreibende Statistiken werden gegebenenfalls verwendet, um Gruppenunterschiede nach dem Nachbeobachtungszeitraum zu bewerten. Zusammenhänge zwischen Schlüsselvariablen und Studienergebnissen werden mithilfe geeigneter univariater, multivariater und gemischter Modellanalysen analysiert. Es werden explorative Analysen der Google Analytics-Daten durchgeführt, um Erkenntnisse über das Nutzerverhalten zu gewinnen. Analysen routinemäßig erfasster Gesundheitsdaten über einen verlängerten Nachbeobachtungszeitraum von 5 Jahren werden verwendet, um die Auswirkungen der Intervention auf die Gesundheitsergebnisse (sofern vorhanden) zu bestimmen.

Die simulierten Krankheitstagesauswertungen werden anhand vordefinierter Scorecards basierend auf den von Doerfler et al. verwendeten Szenarien bewertet und analysiert. Messung der korrekten Anwendung von SDMG bei akuten Erkrankungen. Log-binomiale Regressionsmodelle werden verwendet, um die Risikoverhältnisse (RRs) und 95 %-Konfidenzintervalle für das Ergebnis des fehlerfreien Abschlusses des simulierten Krankheitstages sowie für den korrekten Abschluss jeder der drei einzelnen Komponenten des Krankenstands direkt abzuschätzen Simulation von Krankheitstagen. Zufällige Effekte werden verwendet, um die Clusterbildung nach Apotheken zu berücksichtigen. Nicht angepasste und angepasste Modelle werden angepasst, einschließlich fester Effekte für einzelne Teilnehmermerkmale wie Alter, Geschlecht, Demografie, Diabetes, andere Komorbiditäten, Anzahl der qualifizierenden Medikamente und alle anderen signifikanten Störvariablen aus univariaten Analysen. Darüber hinaus werden die von den Teilnehmern gesammelten Daten zum Nutzen der PAUSE-App und/oder des SDMG-Patientenhandouts bei der Bewältigung eines simulierten Krankheitstages und zur allgemeinen Akzeptanz der Interventionen verwendet, um die Genauigkeit der Intervention weiter zu bewerten. Alle statistischen Analysen werden in R durchgeführt.

Ausgewählte Teilnehmer (Patienten und Apotheker) werden nach ihrer simulierten Bewertung des Krankheitstagsszenarios auf der Grundlage der gezielten Stichprobenstrategie zu Interviews eingeladen. Es werden halbstrukturierte Einzelinterviews mit Teilnehmern und Apothekern mit einer Dauer von 30 bis 60 Minuten durchgeführt. Interviewfragen und Analysen werden während der gesamten Studie iterativ sein, um die Untersuchung aufkommender oder unregelmäßiger Themen in späteren Interviews zu ermöglichen. Qualitative Interviews werden aufgezeichnet, wörtlich transkribiert und mithilfe mehrerer Phasen der induktiven thematischen Analyse untersucht. Gesammelte Feldnotizen und Transkriptionen aus Interviews werden mit der qualitativen Analysesoftware NVIVO analysiert. Die Datenanalyse beginnt unmittelbar nach Abschluss des ersten Teilnehmerinterviews. Die Daten werden von zwei Forschern unabhängig voneinander kodiert und die Codes werden dann nach dem ersten Interview verglichen, um das Kodierungshandbuch für nachfolgende Interviews zu erstellen.