Dementiaa sairastavien henkilöiden hoito ympäristössään (COPE) vanhusten All Inclusive Care -ohjelmissa (PACE)

VAIHE 1a - Verkkokoulutusohjelma - Kehitämme kymmenen omatoimista verkkooppimismoduulia. Nämä moduulit antavat osallistujille mahdollisuuden päästä OT:ille ja RN:ille milloin tahansa / missä tahansa sisältöön ja toimintoihin, jotka auttavat heidän oppimistaan. Moduulit sisältävät monipuolista multimediasisältöä ja interaktiivisia arviointeja, jotka pitävät oppijan sitoutuneena. Moduulit mahdollistavat sisällön helpon pakkaamisen tällaisen sisällön uusimpiin yhteentoimivuusstandardeihin, mukaan lukien uusimmat SCORM-määritykset, jotka mahdollistavat uudelleenkäytön ja jakamisen muiden instituutioiden kanssa.

Oppimistarpeiden moninaisuuden huomioon ottamiseksi moduulit suunnitellaan neliulotteisella hyperoppimismallilla. Yleiset periaatteet alkavat moduulin oppimistavoitteista ja seuraavat ydinkäsitteiden ja vaadittujen ja/tai itseohjautuvien oppimistoimintojen katsauksella. Moduulien miniluentokomponentti sisältää tietoa moduulin tärkeimmistä käsitteistä. Koska moduulit ovat omatahtiisia, oppija voi käyttää aikaa niiden läpi ja esiintyä sulautetussa interaktiivisessa oppimistoiminnassa. Kliinisen päättelyn ulottuvuus antaa oppijalle mahdollisuuden ongelmanratkaisuun ja kliinisen päätöksentekoon. Tämä ulottuvuus sisältää vinjettejä ja tapaustutkimuksia, joissa on analysointia ja synteesiä vaativia kysymyksiä. Lopullinen ulottuvuus on oppimistulosten arviointi/arviointi. Tämä ulottuvuus käyttää opettajien tekemiä ja standardoituja esi- ja jälkitestejä arvioidakseen tiettyjen oppimistulosten saavuttamista. Itseohjautuvat moduulit ovat erittäin vuorovaikutteisia, ja niissä on integroitua multimediasisältöä, arviointeja ja oppijoiden arviointeja, jotta PACE:n henkilökunta voi osallistua sisältöön korkealla tasolla ja harjoitella soveltamista simuloiduissa skenaarioissa. Jokaisen moduulin suorittamiseen kuluu noin 45-60 minuuttia/moduuli. Osallistujat voivat käyttää moduuleja erikseen eri aikoina koulutussuunnitelman aikana tai ne voidaan jakaa harjoitusajan alussa antamalla nämä tiedot etukäteen.

Moduulien kehittämiseksi työskentelemme intensiivisesti vuonna 01 Drexelin yliopiston opetussuunnittelutiimin kanssa, jossa on dementian hoidon asiantuntijoita, COPE-ohjelmaa ja asiantuntijoita simuloinnissa, standardoitujen potilaiden käytössä sekä sairaanhoitajien ja muiden Pennin terveydenhuollon ammattilaisten koulutuksessa. Trinity Health ja Jefferson. Odotamme moduulien sisältävän seuraavan sisällön: moduuli 1 - johdatus COPE-ohjelmaan, tutkimusaineisto ja ohjelman taustalla olevat ydinperiaatteet; moduuli 2 - katsaus toimitusominaisuuksiin, RN:n ja OT:n rooliin, COPE-ohjelman kolme vaihetta (arviointi, toteutus, yleistettävyys), sallitut mukautukset; moduuli 3 ja 4 - arviointivaihe, johdatus kliiniseen haastatteluun ja kaikkiin arviointeihin ja lomakkeisiin; moduulit 5 ja 6 - toteutusvaihe, mukaan lukien hoitajan auttaminen tunnistamaan 3 ongelma-aluetta, osallistuminen ongelmanratkaisuun ja aivoriihiin, arviointiraportin kehittäminen ja toimittaminen sekä reseptien (strategioiden) tarjoaminen kullekin tunnistetulle ongelma-alueelle; moduulit 7 ja 8 - yleistettävyysvaihe tai omaishoitajien auttaminen käyttämään strategioita yhdellä ongelma-alueella toisen ongelman ratkaisemiseksi ja tulevaisuuden suunnittelu; moduuli 9 - suhteiden kehittäminen ja työskentely eri taustoista, kulttuureista, elinympäristöistä ja ihmissuhteista tulevien omaishoitajien kanssa sekä perheiden auttaminen tasapainottamaan hoitotyötä muiden elämänroolien kanssa, sopeuttamalla lähestymistapaa valmiustason mukaan; moduuli 10 - haastavat tapaukset, motivoiva haastattelu, kuinka selittää ohjelmaa, kuinka tavata omaishoitajia siellä, missä he ovat, ja tarjota validointia ja tukea.

Jokaisen moduulin skriptit kehitetään ja jaetaan OT:iden/RN:ien kanssa, jotka eivät ole osa tutkimusta mutta työskentelevät Trinity PACE -ohjelmissa. Tämä mahdollistaa jatkuvan palautesilmukan sen varmistamiseksi, että skenaariot vastaavat PACE:n henkilöstön tarpeita. Vertaamme verkkoohjelmaa perinteiseen 3-päiväiseen henkilökohtaiseen koulutukseemme, jota tällä hetkellä käytetään COPE:n kanssa.

Kolmen päivän koulutusohjelman johtaa tohtori Piersol käyttämällä diakansia ja tapausesityksiä, kuten olemme aiemmin tehneet. Näiden kahden koulutusohjelman vertailu on kuvattu vaiheissa 2 ja 3 alla.

VAIHE 1b – Fidelity Monitoring -ohjelma – Pyrimme kehittämään skaalautuvan lähestymistavan arvioidaksemme uskollisuutta COPE-ohjelmaan, kun se toteutetaan tosielämässä, kuten PACE:ssa käyttämällä laskennallisia lingvistisiä tekniikoita (esim. luonnollisen kielen käsittely). COPE-ohjelman perusperiaatteiden uskollisuuden olemus taltioidaan käyttämällä automaattisia luokitusohjelmia, jotka arvioivat sekä COPE-istuntoihin sisällytettävän sisällön että toimitustavan. Vaikka automaattisia luokitteluohjelmia on sovellettu transkriptoitujen kertomusten laatumittareiden mittaamiseen psykoterapian alalla (21), sitä ei ole käytetty mittaamaan muita laatunäkökohtia, nimittäin uskollisuutta näyttöön perustuville käytännöille tai dementian hoitoon ja omaishoitajia tukeviin ohjelmiin. Automatisoidun Fidelity Monitoring -ohjelman kehittäminen tapahtuu kolmessa vaiheessa ja sen toteuttaa tekninen tiimi, joka koostuu sisällönanalyysin asiantuntijasta tohtori Ani Nenkovasta ja puheentunnistuksen ja prosodian konsulttiasiantuntijasta tohtori Mari Ostendorfista. Co-I Nenkova on työskennellyt laajasti automaattisen yhteenvedon, automaattisen yhteenvedon ja luettavuuden sekä kielellisen tyylin arvioinnin parissa. Pyrkimyksemme perimmäisenä tavoitteena on kehittää järjestelmä, joka - ottaen huomioon COPE-synnytysistunnon tallenteen (esim. reaaliajassa välittömästi lääkärin ja hoitajan välisen vuorovaikutuksen jälkeen) - tuottaa kolmiportaisen pistemäärän, joka osoittaa, oliko uskollisuus " erinomainen", "hyväksyttävä" tai "ongelmallinen". Erityistä huomiota kiinnitetään "ongelmallisen" COPE-tarkkuuden tunnistamisen tarkkuuteen, joka ei ole kohtalokas koulutukselle ja joka ei välttämättä tuota samoja toivottuja tuloksia kuin tarkemmalla tarkkuudella toteutettu interventio. Ensin saamme COPE-vuorovaikutuksen n-parhaan puheentunnistuksen. Tämä auttaa vähentämään tunnistusvirheitä seuraavassa vaiheessa. Viime aikoihin asti äänitallenteiden transkriptio oli täynnä haasteita erityisesti istunnoissa, joissa oli kaksi tai useampia puhujia. Audiosignaloinnin ja puheentunnistuksen edistysaskeleet ovat tuoneet kielianalyysin automatisointiteknologian ulottuvillesi. Viimeaikaiset tutkimukset ovat ehdottaneet, että tekstipohjaiset ominaisuudet voivat olla tehokkaampia kuin pelkkien ääniominaisuuksien käyttäminen luokittaessa uskollisuutta käyttäytymistutkimuksessa (47). Automaattista puheentunnistusohjelmistoa käytetään istuntojen litteroimiseen ja tuloksena saatuja sanoja käytetään tekstipohjaisessa uskollisuusmallissa. Kaikki COPE-koulutus-, harjoitus- ja toteutusistunnot nauhoitetaan osallistujan suostumuksella. Voimme käyttää useita automaattisia puheentunnistustyökaluja. Valitsemme vaihtoehdon, joka parhaiten tasapainottaa tunnistuksen tarkkuutta toimialueellamme ja yksityisyyttä. Kun transkriptit on saatu, kehitämme ja vertaamme kaksi lähestymistapaa: (1) vertailu viitetoimitukseen ja (2) valvottu luokittelutapa. . Ensimmäisen etuna on se, että se tarvitsee vain pienen määrän erinomaisia ​​toimituksia ja useita hyväksyttäviä toimituksia jokaiselle seitsemälle ulottuvuudelle, kun taas toinen tarvitsee suuremman joukon merkittyjä tietoja, mutta se johtaisi mahdollisesti parempaan ennusteen tarkkuuteen.

Vertailu tai samankaltaisuus viitteen kanssa (vaiheet A ja B): Lähestymistapamme hyödyntää automaattisesti tuotetun sisällön arvioinnissa yleisesti käytettyjä tekniikoita, kuten konekäännös ja automaattinen tekstin yhteenveto. Näissä sovelluksissa ei ole mahdollista seurata järjestelmän parantumista inhimillisillä laatuarvioilla. Sen sijaan suurin osa edistymisestä mitataan laskemalla samankaltaisuus näytteen viitetekstijoukon välillä (esim. mikä olisi "hyvä" käännös tai "hyvä" yhteenveto) ja järjestelmän tulos. Tällaisia ​​automaattisia arviointimenetelmiä käytetään laajalti konekääntämiseen (48) ja yhteenvetoon (49). Vaikka on ollut jonkin verran huolta siitä, että automaattiset toimenpiteet eivät ole riittävän tarkkoja erottamaan toisistaan ​​erittäin hyvän kontekstin tasoja, näillä mittareilla on vahva kyky erottaa "erittäin huono" sisältö (50,51) (tai huono tarkkuus) vastaa tarpeita. projektistamme.

Vaiheessa A kokoamme 10 esimerkkiä "erinomaisista" COPE-tarkkuustoimituksista. Alueet, joissa halutut näkökohdat ilmaistaan, merkitään nimenomaisesti, eli merkityt osat, joissa keskustellaan henkilön ja ympäristön sopivuudesta, tai vuorovaikutuksen osat, joissa kliinikko kysyy avoimeksi. päättyi kysymyksiä tai vahvistaa hoitajan ymmärtäneen sisällön. Seuraavaksi uudet vuorovaikutukset luokitellaan niiden samankaltaisuuden mukaan "erinomainen" vuorovaikutus -viitteen kanssa (52). Vaiheessa 2 tunnistamme "ongelmalliset" tarkkuustoimitukset. Käytämme 10 negatiivista esimerkkiä "hyväksyttävistä", mutta epätäydellisistä toimituksista. Jos uusi vuorovaikutus on pienempi kuin useimmat näistä, sitä pidetään ei-hyväksyttävänä tai "ongelmallisena". Tässä vaiheessa kehitetään parametreja ja päätössääntöjä, joilla määritetään raja-arvot vuorovaikutuksen ongelmalliseksi julistamiselle.

Tohtori Hirshman ja Renz (jotka eivät olleet COPE:n alkuperäiset kehittäjät ja tarjoavat siten riippumattoman arvion) ​​arvioivat äänitallenteiden "erinomainen" ja "ongelmallinen" uskollisuusluokitus käyttämällä COPE-adherence-asteikkoa, joka on kehitetty alkuperäistä kliinistä tutkimusta varten. tutkimusta, jotta voidaan arvioida, missä määrin hoidon perusperiaatteet on pantu täytäntöön tehokkaasti. Adherence-asteikon arvosanat on standardoitu siten, että 1,00 edustaa täydellistä tarkkuutta ja 0,00 täydellistä epätarkkuutta. Asteikko mallinnettiin aiemmin NIH REACH I- ja II -tarkkuuden lähestymistavan mukaan. Yhdistettyjen tarkkuusluokittelujen tuloksia käytetään automatisoidun tarkkuusohjelman jalostamiseksi "parhaaksi malliksi", joka testataan vaiheessa C (53).

Valvottu luokitus (vaihe C) Tätä lähestymistapaa varten meidän on tutkittava kaikki tallennetut istunnot (600+). Koulutamme ohjatun luokittelijan tai regressiomallin ennustamaan tietyn vuorovaikutuksen pistemäärä (1-3, mikä vastaa erinomaista, hyväksyttävää ja ongelmallista). Kokeilemme lukuisia luokittimia, mukaan lukien syväoppimiskehyksiä ja perinteisempiä tukivektorikone- ja (logistisia) regressiomalleja. Tuloksena oleva lopullinen 100 merkittyä vuorovaikutusta sisältävä validointijoukko auttaa viimeistelemään parhaan mallin tarkkuuden ennustamiseen.

VAIHE 2 – Online-koulutusohjelman arviointi interventioiden omaksumisen ja uskollisuuden osalta Tämän tutkimuksen vaihe 2 sisältää joukon toimintoja, joiden tarkoituksena on arvioida, onko online-koulutusohjelma sama tai parempi parantamaan interventioiden omaksumista ja uskollisuutta COPE-periaatteille ja Protokollat ​​verrattuna korkean intensiteetin perinteiseen kasvokkain tapahtuvaan harjoittelumuotoon.

VAIHE 3 (Tavoite 3) - COPE:n tehokkuus PACE-osallistujien tuloksiin COPE-koulutuksen tyypin mukaan.

Tämä tavoite saavutetaan arvioimalla COPE-ohjelman diadituloksia kahdessa eri koulutusmallissa. Koulutuksen jälkeen jokainen PACE-organisaatio ilmoittaa tutkimukseen 5 dementiaa sairastavaa henkilöä ja heidän omaishoitajiaan. Tämä tuottaa 50 perhediadia (25 dyadia perinteisillä koulutuspaikoilla ja 25 dyadia verkkokoulutussivustoilla).

Rekrytointisuunnitelma sisältää seuraavat tavoitteet:

25 % rekrytointi suoritettu 1. elokuuta 2022 mennessä 50 % rekrytointi 31. lokakuuta 2022 mennessä 75 % rekrytointi 28. joulukuuta 2022 mennessä 100 % rekrytointi 28. helmikuuta 2023 mennessä Dataanalyysi suoritettu 28. huhtikuuta 2023 mennessä