Prueba 2 Tratamiento: ¿Podemos mejorar las pruebas y el tratamiento del colesterol alto en pacientes que han sido hospitalizados por un evento cardíaco brindando educación a médicos y pacientes? (T2T)

Recopilación de datos

Los datos se recopilarán de varias fuentes:

El Coordinador de Investigación Clínica (CRC) ingresará los datos del paciente en el Formulario de informe de caso (CRF) Datos clínicos de referencia del registro médico electrónico (EHR)

Datos clínicos iniciales y resultados informados por el paciente (PRO) (del paciente)

Datos clínicos de 6 meses (de EHR) Datos clínicos de 6 meses y PRO (del paciente) Datos clínicos de 8 meses (de EHR) - solo para recopilar valores de colesterol de lipoproteínas de baja densidad (LDL-C) posteriores al estudio El campeón de atención registrar datos sobre el proceso (es decir, número de llamadas a cada paciente, etc.) El líder de atención registrará los datos sobre las adaptaciones a la intervención en cada sitio mensualmente. El CRC ingresará los datos de detección versus inscripción en el CRF.

Protección de datos A los participantes se les asignará un identificador único por parte de su sitio de inscripción. Todos los datos de los participantes que se transfieran a Duke contendrán únicamente el identificador; Los nombres de los participantes o cualquier información que haría identificable al participante no serán transferidos.

Gestión de seguridad y notificación de eventos adversos/eventos adversos graves Como la intervención solo promueve el cumplimiento de las pautas de atención y el personal del estudio no prescribe medicamentos, este es un estudio de bajo riesgo y los investigadores no recopilarán datos de seguridad o eventos adversos de forma rutinaria. . Los datos de eventos clínicos (incluidas hospitalizaciones, muerte, infarto de miocardio, accidente cerebrovascular y revascularización coronaria) se recopilarán durante el período de estudio mediante verificación de registros médicos y discusión con los pacientes. Sin embargo, los eventos clínicos no se adjudicarán formalmente; serán informados y confirmados por el PI del sitio.

Hipótesis estadísticas, aleatorización e hipótesis de determinación del tamaño de la muestra En promedio, los pacientes en el grupo de tratamiento tienen un cambio mayor en el nivel de LDL en comparación con el grupo de atención habitual.

H_0: β_trt= 0 H_a: β_trt≠ 0

Aleatorización Los participantes serán asignados al azar con una asignación 1:1 a nivel del sitio.

Determinación del tamaño de la muestra La determinación del tamaño de la muestra se realizó utilizando un diseño de modelo mixto jerárquico de 2 niveles donde los pacientes (nivel 1) se asignan al azar dentro de los sitios (nivel 2) en dos brazos. Los brazos son brazos de tratamiento y control. Suponiendo un cambio medio en LDL de 18,9 mg/dL con una diferencia estándar de 38,8 mg/dL, ρ=0,05, α=0,05 y 6 grupos, el tamaño de muestra general planificado de n=400 debería tener suficiente potencia.

Total de sujetos Grupo 1 Grupo 2 Conglomerados Sujetos por conglomerado en el grupo 1 Sujetos por conglomerado en el grupo 2 Diferencia de medias SD Potencia ICC N N1 N2 K M1 M2 δ σ ρ Alfa 0,99729 360 180 180 6 30 30 18,9 38,8 0,05 0,05 0,99871 396 198 198 6 33 33 18,9 38,8 0,05 0,05 0,99899 408 204 204 6 34 34 18,9 38,8 0,05 0,05 0,99921 420 210 210 6 35 35 18,9 38,8 0,05 0,05 0,99978 480 240 240 6 40 40 18,9 38,8 0,05 0,05 Los cálculos de potencia se calcularon utilizando PASS 2023, versión 23.0. 2.

Análisis estadístico planificado Pacientes ingresados ​​por infarto de miocardio y/o revascularización percutánea coronaria que tengan un nivel de LDL al ingreso ≥ 70 mg/dL y tengan un médico de atención primaria y/o cardiólogo dentro del mismo sistema de salud (mismo HCE).

Los pacientes serán asignados al azar 1:1 a nivel del sitio a la atención habitual o a un brazo intervencionista con un defensor de la atención para mejorar el manejo del LDL posterior al alta. Se esperaría que los pacientes volvieran a controlar su LDL después del alta como parte de la atención recomendada por las pautas. Sin embargo, esto no siempre sucede y la intervención tiene como objetivo aumentar el cumplimiento de este estándar, así como la titulación adecuada de la medicación, cuando esté indicado. A los 6 meses después del alta, a todos los pacientes a los que aún no se les haya controlado el LDL después del alta se les pedirá que lo hagan. A los 8 meses posteriores al alta, el CRC realizará una revisión de la HCE para obtener los últimos valores de LDL.

Objetivos principales El criterio de valoración principal es el cambio dentro del paciente en el LDL desde el nivel de LDL al ingreso hasta el último LDL verificado después del alta dentro de los 8 meses posteriores al alta (6 meses de intervención y una ventana de 2 meses después del estudio para capturar LDL). Los investigadores modelarán la asociación entre el grupo de tratamiento y el último valor de LDL conocido mediante regresión lineal, ajustando el nivel de LDL al ingreso, la edad, el sexo y la raza. Se utilizarán intercepciones aleatorias para contabilizar los datos agrupados por sitio.

Valores finales de LDL faltantes Los investigadores esperan que a algunos pacientes de cada grupo nunca se les controle el LDL dentro del período de seguimiento de 6 meses. Para estos pacientes, el CRC se comunicará tanto con el paciente como con sus proveedores primarios (PCP y/o cardiólogo) 6 meses después del alta para alentarlos a que controlen su LDL, según el estándar de atención. Luego, el CRC realizará una revisión de la HCE 8 meses después del alta para obtener los valores de LDL que se hayan registrado.

Para aquellos que han sido contactados pero aún no tienen un nivel de LDL registrado 8 meses después del alta, los investigadores asignarán su valor de admisión como su valor final si no ha habido cambios aparentes en la terapia hipolipemiante (LLT) en la HCE. . Si este grupo es> 5% de cualquiera de los brazos de tratamiento, los investigadores estimarán la variabilidad temporal en los niveles de LDL y tendrán en cuenta la regresión a la media y la variación aleatoria. Los investigadores utilizarán nuestra cohorte existente para estimar esta variabilidad.

Para aquellos que no tienen un nivel de LDL registrado 8 meses después del alta pero sí tienen un registro de cambios de LLT dentro de los 6 meses posteriores al alta, los investigadores imputarán condicionalmente el LDL final en función de otros pacientes con cambios de LLT similares que tengan un nivel final Nivel de LDL. Se crearán categorías de cambios de LLT clínicamente relevantes (p. ej., aumento de estatinas de intensidad baja/moderada a alta; adición de terapias sin estatinas como mAb PCSK9i o ARNip, ezetimiba o ácido bempedoico). Los investigadores utilizarán estas categorías de cambio con otras covariables relevantes para imputar los niveles finales de LDL. Nuestro enfoque de imputación será una imputación múltiple basada en modelos utilizando el método de especificación totalmente condicional. Para los pacientes cuya categoría de cambio LLT no está bien representada en nuestros datos, los investigadores utilizarán una reducción esperada según la literatura actual. Los investigadores realizarán análisis de sensibilidad variando los umbrales de reducción esperados.

Las proporciones se calcularán por brazo de tratamiento y se compararán con regresión logística utilizando intersecciones aleatorias para tener en cuenta los datos agrupados por sitio. Las medias se calcularán por brazo de tratamiento y se compararán con la regresión lineal utilizando intersecciones aleatorias para tener en cuenta los datos agrupados por sitio. Se realizarán análisis ajustados y no ajustados. Los modelos ajustados se ajustarán según la edad, el sexo y la raza.

Los resultados binarios se analizarán con regresión logística. Los resultados del tiempo hasta el evento se analizarán con el modelo de riesgos proporcionales de Cox. El supuesto de riesgos proporcionales se evaluará con residuos de Schoenfeld. Para todos los modelos, se calcularán los modelos ajustados y sin ajustar (por edad, sexo y raza). Todos los modelos también utilizarán intersecciones aleatorias para tener en cuenta los datos agrupados por sitio.