Optimieren Sie Audits und Feedback, um evidenzbasierte Praktiken in der primären Gesundheitsversorgung umzusetzen (ACTIVATE)

Forscher und Experten werden ein Konsultationstreffen abhalten, um die sieben wichtigsten AnF-Interventionskomponenten zu ermitteln. Anschließend wird eine BWS-Umfrage durchgeführt, um diese Komponenten nach ihrer Bedeutung zu ordnen und die drei potenziell wirksamsten und machbarsten Komponenten für die Wirksamkeitsvalidierung durch den faktoriellen Versuch in weiter auszuwählen der nächste Schritt. Bei der BWS-Umfrage handelt es sich um ein Screening-Experiment, das auf der Zufallsnutzentheorie basiert und bei dem ein Kompromissmechanismus dadurch ausgelöst wird, dass die Teilnehmer aus einer Reihe von Komponenten oder Optionen die beste und die schlechteste auswählen, wodurch die relative Bedeutung jeder Komponente quantifiziert und die am meisten unterschieden wird hervorstechend unter einer Reihe wichtiger Komponenten. Der BWS-Fragebogen wird mithilfe eines Mixed-Methods-Ansatzes basierend auf den bisherigen Forschungsergebnissen entwickelt und getestet, um die vorrangige Akzeptanz der verschiedenen AnF-Komponenten durch das Gesundheitspersonal (relative Bedeutung) bei der Entscheidung zur Verbesserung der Versorgungsqualität (Abschlussraten der Leitlinieneinträge) zu ermitteln ), um die potenziell wichtigsten Komponenten aus dem Komponentenspektrum weiter zu identifizieren.

Das Balanced Incomplete Block Design (BIBD) ist ein experimentelles Design, das in BWS zur Verbesserung der Ergebnisse verwendet wird, indem Elemente in Blöcken organisiert und die Anzahl der Präsentationen von Elementen zwischen den Teilnehmern ausgeglichen werden, was es Forschern ermöglicht, eine Reihe von Elementen effizient miteinander zu vergleichen. BIBD gewährleistet die gleiche Häufigkeit des Auftretens von Elementen in Blöcken und gleicht die Paarung von Elementen aus, wodurch Verzerrungen reduziert und die statistische Präzision der Bewertungen erhöht werden. BIBD ist besonders wertvoll bei einer größeren Anzahl an Ranglistenelementen. Die Forscher werden BIBD in BWS auf typische Weise verwenden, indem sie Elemente zufällig in Teilmengen aufteilen (d. h. Blöcke) und die Zuweisung eines Fragebogens mit allen Blöcken an jeden Teilnehmer, um robuste Präferenzrankings sicherzustellen. Die Forscher werden das %MktBSize-Makro in der SAS 9.4-Software verwenden, um BIBD für die Fragebogenentwicklung zu realisieren. In unserer Studie werden die Forscher für die 7 AnF-Interventionskomponenten (Behandlungen) 7 verschiedene Blöcke haben, die jeweils 3 AnF-Komponenten (Behandlungen) enthalten. Die Forscher werden die Teilnehmer einladen, darüber nachzudenken, welche AnF-Komponente dieser 7 verschiedenen Blöcke am wirksamsten und welche AnF-Komponente am wenigsten wirksam ist. Die Ermittler geben 1 Punkt, wenn eine Komponente als am effektivsten ausgewählt wird, und -1, wenn eine Komponente als am wenigsten effektiv ausgewählt wird. Basierend auf der standardisierten Bewertung jeder Komponente werden die Forscher dann die drei effektivsten Komponenten aus der BWS-Umfrage finalisieren.

In der Optimierungsphase wird ein 2×2×2-faktorielles Design (RCT) durchgeführt, wobei drei zweistufige Komponenten insgesamt 8 Gruppen von AnF-Interventionen bilden. Nach Einholung der Zustimmung von Einrichtungen und Mitarbeitern der primären Gesundheitsversorgung werden alle Einrichtungen nach dem Zufallsprinzip diesen 8 Interventionsgruppen zugeordnet. Anschließend messen die Forscher Veränderungen in der Gesundheitsqualität anhand verschiedener Audits und Rückmeldungen in diesen Einrichtungen und verwenden statistische Analysen, um die Haupt- und Interaktionseffekte für AnF-Komponenten auf die Verbesserung der Qualität der primären Gesundheitsversorgung abzuschätzen. Die optimale AnF-Kombination wird unter Berücksichtigung von Auswirkungen und Ressourcenbeschränkungen in lokalen Implementierungseinstellungen bestimmt.

Die Forscher gehen davon aus, dass aus der BWS-Umfrage die folgenden 3 AnF-Komponenten mit jeweils 2 Stufen ausgewählt werden.

1. Quelle des Feedbacks:

   Ebene 1: Forscher Ebene 2: Autoritätspersonen

2. Feedback mit Peer-Vergleich:

   Stufe 1: Ja (Peer-Vergleich) Stufe 2: Nein (Kein Peer-Vergleich)

3. Übermittlungsmethode des Feedbacks:

Stufe 1: Persönlich, Stufe 2: E-Mail

Nach der Entscheidung über die 8 AnF-Interventionsgruppen laden die Forscher Mitarbeiter der primären Gesundheitsversorgung, politische Entscheidungsträger und Administratoren des Gesundheitssystems ein, um machbare und umsetzbare Details zur Durchführung der 8 AnF-Interventionen in Einrichtungen der primären Gesundheitsversorgung in den vier verschiedenen LMICs zu besprechen. Die geprüften Ergebnisse der Pflegequalität der Einrichtung werden an das Gesundheitspersonal der Einrichtung zurückgemeldet, und anschließend werden die Ergebnisindikatoren gemessen, die die Wirksamkeit von AnF widerspiegeln.