Järjestelmäanalyysi- ja parannusmenetelmä jaetun mielenterveyden hoitokaskadin (SAIA-MH) optimoimiseksi (SAIA-MH)

Koska matalan ja keskitulotason maissa (LMIC) on pulaa 1,2 miljoonasta mielenterveystyöntekijästä, akateemiset ja poliittiset johtajat ovat kannattaneet tehtävien jakamista alemman tason palveluntarjoajille mielenterveyshuollon kuilun kaventamiseksi. yli 90 % monissa LMIC-maissa. Vaikka tehtävien jakaminen voi lisätä hoidon saatavuutta, alemman tason tarjoajien hoidon laatuun on kiinnitetty vain vähän huomiota. Mosambikissa tehtävän jaetun avohoidon avohoito on osoittanut, että hoidossa pysyminen (40 %), lääkityksen noudattaminen (< 15 %) ja potilaiden osuus toimintakyvyn paranemisesta on alhainen (< 5 %). Vastaavasti suuria seurannan menetyksiä, huonoa hoitoon sitoutumista ja huonoja potilaiden tuloksia on raportoitu muissakin LMIC:issä. Tietojemme mukaan ei ole olemassa näyttöön perustuvia toteutusstrategioita, jotka tähtäävät MH-hoitokaskadin optimointiin vähän resursseja vaativissa olosuhteissa. Tämä on kiireellinen tarve MH-hoidon toimialalle maailmanlaajuisesti.

MH-hoitokaskadi on malli, joka hahmottelee peräkkäiset, toisiinsa liittyvät hoitovaiheet, joissa mielisairaiden ihmisten on navigoitava alkudiagnoosista oireiden/toimintojen paranemiseen. Laatuongelmilla hoitosarjan yhdessä vaiheessa voi olla epälineaarisia ja monimutkaisia ​​vaikutuksia laajemmassa monimutkaisessa hoitojärjestelmässä. Toteutusstrategiat, jotka keskittyvät vain yhteen vaiheeseen sarjassa, voivat mahdollisesti aiheuttaa tahattomia järjestelmän pullonkauloja ja hoidon laatuongelmia. Sitä vastoin "Systems Analysis and Improvement Approach (SAIA)" on monikomponenttinen toteutusstrategia, joka keskittyy koko hoitosarjan optimointiin. SAIA yhdistää fasilitoinnin, tehostetun paikallisen kliinisen konsultaation ja laitostason oppimisyhteistyön luomisen järjestelmäsuunnittelutyökalujen kanssa 5-vaiheisessa lähestymistavassa, joka on erityisesti kehitetty tehtäväjaetuille palveluntarjoajille, jotka sisältävät: (1) kaskadianalyysin hoidon kaskadin pudotuksen visualisoimiseksi. -poistetaan ja priorisoidaan alueita järjestelmän parannuksille; (2) prosessikartoitus muunnettavissa olevien laitostason pullonkaulojen tunnistamiseksi; (3) järjestelmän suorituskyvyn parantamiseksi tehtyjen muutosten tunnistaminen ja toteuttaminen; (4) muutosten vaikutusten arviointi kaskadiin; ja (5) toistuvat analyysi- ja parannussyklit. Aiempi klusterin RCT osoitti SAIA:n tehokkuuden HIV-hoidon sarjan parantamiseen (R01HD075057; PI: Sherr). SAIA:sta, jota sovellettaisiin muihin monimutkaisiin hoitojaksoihin - kuten tehtäväjaettuun MH-hoitoon, ei kuitenkaan ole olemassa tehokkuustietoja. Alustavat tiedot viittaavat siihen, että SAIA:n soveltaminen MH-hoitokaskadin optimointiin (SAIA-MH; R21MH113691; PI: Wagenaar) on mahdollista, hyväksyttävää ja voi johtaa kliinisesti merkittäviin hoitosarjan parannuksiin; Viisi kuukautta SAIA-MH:n käyttöönottoa johti 1,5-kertaiseen nousuun lääkityksen sitoutumisessa (aOR: 1,5; CI: 1,2, 1,9) ja 3,7-kertaiseen toiminnan paranemiseen (aOR: 3,7; CI: 2,5, 5,4). Nämä tiedot viittaavat siihen, että SAIA-MH on lupaava strategia tehtävien jaettujen MH-järjestelmien parantamiseen maailmanlaajuisesti. Erityistavoitteemme ovat:

Ensisijainen tavoite 1: Testaa SAIA-MH-strategian tehokkuutta käyttämällä pragmaattista klusteri-RCT-suunnittelua ja arvioi toteutuksen onnistumisen määrääviä tekijöitä. Tutkijat ottavat käyttöön SAIA-MH:n käyttämällä 3-vuotista rinnakkaista klusteri-RCT:tä kahdeksassa interventio- ja 8 tarkkaavaisessa valvontalaitoksessa ja arvioivat vaikutukset mielenterveystoimintojen paranemiseen (ensisijainen) ja retentioon / lääkityksen noudattamiseen (toissijainen). Kahden vuoden tutkimuksen toteutusta seuraa 1 vuoden ylläpitovaihe, jossa tarkastellaan rutiinitarkkuutta ja kestävyyttä. Consolidated Framework for Implementation Research (CFIR) käytetään arvioitaessa täytäntöönpanon onnistumisen määrääviä tekijöitä.

Toissijainen tavoite 1: Testaa kausaalireittimalleja SAIA-MH:n toteutusstrategian vaikutusten (tai ei-vaikutusten) vaikutusmekanismien analysoimiseksi. Käyttäen 3 vuoden kuukausittaista dataa strategia-mekanismin yhteyksistä, moderaattoreista, edellytyksistä ja tuloksista kahdeksalle interventiolle ja kahdeksalle huomiovalvontakeskukselle tutkijat tutkivat kausaalireittien vaikutusarvioita käyttämällä pitkittäisrakenneyhtälömallinnusta. Kvalitatiiviset CFIR-tiedot ensisijaisesta tavoitteesta 1 kontekstualisoivat kvantitatiiviset polkuanalyysit.

Erityinen tavoite 2: Arvioi SAIA-MH:n laajentamisen kustannukset ja kustannustehokkuus Mosambikissa. Tutkijat suorittavat SAIA-MH RCT:n mikrokustannuslaskelman ja aika- ja liikeseurannan arvioidakseen toimenpiteen toteuttamisen kustannuksia. Tutkijat rakentavat Markovin mallin, joka on parametroitu SAIA-MH RCT:n kustannus- ja tulostiedoilla arvioidakseen SAIA-MH:n budjetin vaikutusta ja kustannustehokkuutta maakunnalliselle ja kansalliselle tasolle.