Unsere Peers - Empowerment und Navigational Support - Community Living: Fernkollegen -Navigator -Intervention für Erwachsene mit neu erworbenen Behinderungen, die in das Leben in der Gemeinschaft wechseln (OP -ENS -CL) (OP-ENS - CL)

Ziel dieser Studie ist es, die Wirksamkeit und soziale Gültigkeit des OP -CL (unsere Kollegen - Empowerment and Navigational Support - Community Living) einer abgelegenen 12 -monatigen Peer -Navigator -Intervention mit einem klinischen Versuchsdesign in einer Stichprobe von Erwachsenen mit neuem Übergang mit körperlicher Behinderungen zu Gemeinschaftsunterlagen zu bewerten.

Die Teilnehmer werden über Gemeinschafts- und klinische Netzwerke rekrutiert und auf Berechtigung überprüft. Die Teilnehmer werden nach dem Zufallsprinzip entweder der Intervention oder der üblichen Pflegegruppen zugeordnet. Die Teilnehmer der Interventionsgruppe werden mit einem ausgebildeten Peer Health Navigator (der auch eine Person mit einer körperlichen Behinderung ist) abgestimmt. Die Verwendung eines Strukturprozesses zur Identifizierung von Barrieren, zur Zielsetzung und der Aktionsplanung Peer Health Navigators werden mit den Teilnehmern zusammenarbeiten, um ihre Bedürfnisse und Bedenken der Gesundheitsversorgung zu befriedigen, einschließlich der Kommunikation des Patientenanbieters, des Transports, des Zugangs zu dauerhaften medizinischen Geräten. Es ist wichtig zu beachten, dass Peer Health -Navigatoren keine Gesundheitsdienstleister sind und keine medizinischen oder Gesundheitsberatung geben. Die Teilnehmer des Interventionsprozesses werden gebeten, sich mindestens einmal im Monat während des Untersuchungszeitraums mit ihrem Peer -Navigator zu treffen. Um die Teilnahme an dieser Intervention zu fördern, werden progressive Mikroincentives in das Studienprotokoll integriert. Um Equipoise zu fördern, wird für die übliche Pflegegruppe ein ähnlicher mikroinokentiver Zeitplan erstellt.

Datenerfassung - Alle Teilnehmer, unabhängig von der Gruppenzuweisung, werden zu 3 Zeitpunkten (Basislinie, 6 Monate, 13 Monate) unter Verwendung von Selbstberichtsmaßnahmen des Zugangs, der Qualität und der Ergebnisse des Gesundheitswesens sowie der Maßnahmen zur sozialen Unterstützung und der Aktivierung des Patienten befragt. Datensammler werden für die Gruppenzuordnung geblendet und nicht an der Abgabe der OP -CL -Intervention beteiligt.

Datenanalyse - Die Forscher verwenden gemischtes Effektmodell unter Verwendung jedes Studienergebnisses als zeitlich variierende abhängige Variable und Behandlungsgruppe (PHN vs. übliche Versorgung) als Hauptfixeffekt. Basismerkmale wie Rasse/ethnische Zugehörigkeit, Geschlecht und sozioökonomischer Status werden als zeitinvariante Kovariaten eingegeben, wenn die Unterschiede zwischen Basisgruppen beobachtet werden (trotz der Randomisierung). Der Subjektabschnitt wird als zufälliger Effekt modelliert. Die Nullhypothese wird abgelehnt, wenn ein signifikanter Gruppenzeit -Interaktionseffekt beobachtet wird. Die Ermittler nehmen an, dass PN eine günstigere Flugbahn der Studienergebnisse haben wird als die übereinstimmende Kontrollgruppe. Für jede Hypothese wird die Post-hoc-Analyse durchgeführt, um den Unterschied in jeder Ergebnisvariablen zwischen den beiden Gruppen zu verschiedenen Zeitpunkten zu bewerten. Die gemischten Modelle werden mit Proc aus SAS 9.3 (Cary, NC) gemischt. Die Schätzmethode ist maximale Wahrscheinlichkeit (ML). Eine Vielzahl von Kovarianzstrukturen (regressive, zusammengesetzte Symmetrie erster Ordnung, Toeplitz, Varianzkomponenten, unstrukturiert) werden sorgfältig untersucht und für die besten Modellanpassungen, die Akaike -Informationen (AIC) und die Bayes'schen Informationskriterien (BIC) verglichen. Diese Statistiken sind Funktionen der Protokollwahrscheinlichkeit und können über Modelle hinweg verglichen werden. Da fehlende Daten in einer Längsschnittstudie unvermeidlich sind, werden die Werte nach Möglichkeit unter Verwendung von mittleren (Median-) Ersatz- oder formalen Imputationsverfahren wie EM -Algorithmus unterstellt, wenn fehlende Daten MCAR (vollständig nach dem Zufallsprinzip fehlt) oder mar (zufällig fehlen). Wenn fehlende Daten NMAR sind (nicht zufällig fehlt), wird der Ansatz "Mustermischung" verwendet, um einen "gewichteten Durchschnitt" der Parameter zu berechnen, die mit den fehlenden Daten verbunden sind, um zu schätzen, wie die Daten gewesen wären.