Nuestros compañeros - Empoderamiento y apoyo a la navegación (OP-ENS)

El propósito de este estudio es evaluar la efectividad preliminar y la validez social del OP-ENS (Nuestros Pares - Empoderamiento y Apoyo a la Navegación). una intervención de navegador de salud de pares de 12 meses muestra un diseño de ensayo clínico en una muestra de adultos beneficiarios de Medicaid que viven en la comunidad con discapacidades físicas.

Los participantes serán reclutados a través de redes comunitarias y clínicas y evaluados para determinar su elegibilidad. Los participantes serán asignados aleatoriamente a los grupos de intervención o de atención habitual. Los participantes en el grupo de intervención serán emparejados con un navegador de salud de pares capacitado (que también es una persona con una discapacidad física). Usando un proceso estructurado de identificación de barreras, establecimiento de objetivos y planificación de acciones, los navegadores de salud de pares trabajarán con los participantes para ayudarlos a abordar sus necesidades e inquietudes de atención médica, incluidas cosas como la comunicación entre el paciente y el proveedor, el transporte y el acceso a equipos médicos duraderos. Es importante tener en cuenta que los navegadores de salud de pares no son proveedores de atención médica y no brindan consejos médicos o de salud. Se les pide a los participantes en el ensayo de intervención que se reúnan con su compañero de navegación de salud al menos una vez al mes durante el período de estudio. Para fomentar la participación en esta intervención, se integran microincentivos progresivos en el protocolo del estudio. Para promover el equilibrio, se crea un cronograma de microincentivos similar para el grupo de atención habitual.

Recopilación de datos: todos los participantes, independientemente de la asignación del grupo, serán entrevistados en 3 puntos de tiempo (línea de base, 6 meses, 13 meses) utilizando medidas de autoinforme de acceso, calidad y resultados de atención médica, así como medidas de apoyo social y paciente. activación. Los recolectores de datos estarán cegados a la asignación de grupos y no participarán en la entrega de la intervención OP-ENS.

Análisis de datos: los investigadores emplearán un modelo de efectos mixtos utilizando cada resultado del estudio como una variable dependiente variable en el tiempo y el grupo de tratamiento (NPH versus atención habitual) como el principal efecto fijo. Las características de línea de base que incluyen raza/etnicidad, género y nivel socioeconómico se ingresarán como covariables invariantes en el tiempo si se observan diferencias en el grupo de línea de base (a pesar de la aleatorización). La intercepción del sujeto se modelará como un efecto aleatorio. La hipótesis nula será rechazada si se observa un efecto significativo de interacción grupo*tiempo. Los investigadores plantean la hipótesis de que la PHN tendrá una pendiente de trayectoria más favorable de los resultados del estudio que el grupo de control emparejado. Para cada hipótesis, se realizará un análisis post-hoc para evaluar la diferencia en cada variable de resultado entre los dos grupos en diferentes momentos. Los modelos mixtos se ejecutarán utilizando PROC MIXED de SAS 9.3 (Cary, NC). El método de estimación será el de máxima verosimilitud (ML). Una variedad de estructuras de covarianza (regresiva de primer orden, simetría compuesta, toeplitz, componentes de varianza, no estructuradas) serán cuidadosamente examinadas y comparadas para el mejor ajuste del modelo, Información de Akaike (AIC) y Criterios de Información Bayesiana (BIC). Estas estadísticas son funciones de la probabilidad logarítmica y se pueden comparar entre modelos. Dado que los datos faltantes son inevitables en un estudio longitudinal, los valores se imputarán siempre que sea posible utilizando procedimientos de imputación formales o sustitutos de la media (mediana) como el algoritmo EM si los datos faltantes son MCAR (falta completamente al azar) o MAR (falta al azar). Si los datos que faltan son NMAR (no faltan al azar), se utilizará el enfoque de "mezcla de patrones" para calcular un "promedio ponderado" de los parámetros que están asociados con los datos que faltan para estimar cuáles habrían sido los datos.