PAUSE: Sairauspäivän lääkityksen hallinnan mobiilisovellustutkimus (PAUSE)

Edellisessä tutkimuksessamme tutkittiin Albertan terveydenhuollon tarjoajia "tekijöistä, jotka vaikuttavat kliinikon päätökseen tarjota sairaspäivälääkitysohjeita potilaille, joilla on diabetes ja CKD haittatapahtumien ehkäisemiseksi." Tuloksemme osoittivat, että 75 % perusterveydenhuollon tarjoajista oli tietoinen sairauspäivälääkitysohjeista, mutta vain 56 % tiesi, mistä löytää ohjeita ja resursseja. Ylivoimainen enemmistö vastaajista (97 %) kannatti potilaiden ottamista mukaan tutkimukseen, jossa arvioitiin vaihtoehtoisia innovaatioita sairauspäivien lääkityksen ohjaamiseksi.

Äskettäisessä laajuuskatsauksessa, jossa tehtiin yhteenveto olemassa olevista interventioista, tutkimusryhmämme havaitsi, että suurin osa julkaistuista SDMG-asiakirjoista oli suunnattu terveydenhuollon tarjoajille, mutta vain harvat potilaalle kohdistetut asiakirjat. Nämä olivat pääasiassa monisteita, lompakon kokoisia kortteja, verkkosivuja tai puhelintukea. Nykyisten SDMG-interventioiden kehittämisestä, toteutuksesta tai arvioinnista on tehty vain vähän primääritutkimusta. Useimpien ilmoitettiin olevan haastavia seurata, ja sairauspäivien tai pätevien lääkitysten tunnistaminen ilman virhettä oli vähäistä. Tämä kysely ja katsaus korostavat tarvetta kehittää ja arvioida uusia ratkaisuja SDMG:n tarjoamiseksi potilaille. Aikaisemmassa työssämme havaittiin myös, että Kanadan eläkeläiset olivat vastaanottavaisia ​​sähköisten viestintävälineiden käytölle ja useat potilaat ovat ilmaisseet kiinnostuksensa sähköisten terveystyökalujen (eHealth) käyttöön sairauspäivien itsehallinnassa.

Interventiota saavat osallistujat saavat pääsyn PAUSE-sovellukseen, SDMG:n itsehallintatyökaluun, joka on tarkoitettu potilaille käytettäväksi akuutin sairauden aikana. Käyttäjien Loblaw/Shoppers Drug Mart -apteekkitietueet on sähköisesti linkitetty PAUSE-sovellukseen President's Choice (PC) Health -sovelluksessa, mikä mahdollistaa ajantasaiset suositukset, jotka perustuvat nykyisiin määrättyihin lääkkeisiin. Sovellus kysyy käyttäjiltä sarjan kysymyksiä koskien merkkejä ja oireita, jotka tunnistavat pätevän sairaspäiväsairauden, ja etsii "punaisia ​​lippuja", jotka edellyttäisivät ensiapua tai terveydenhuollon tarjoajan tai kiireellisen hoidon lähetettä, ja auttaa potilaita tunnistamaan, mitkä lääkkeet heidän tulisi käyttää. tilapäisesti evätä tai mukauttaa, räätälöity potilaan nykyisen lääkeluettelon mukaan. Tämän tarkoituksena on tarjota potilaille interaktiivista tukea lääkityksen hallinnassa sairauspäivätapahtuman aikana. Osana interventiota potilaat saavat myös SDMG-potilasmonisteen. Interventio käsittelee aiemmin tunnistettuja haasteita, jotka liittyvät SDMG:n oikeuttavien kelpoisuusmerkkien ja -oireiden tunnistamiseen ja mitkä lääkkeet kelpaavat vuorovaikutteisen ja yksilöllisen sähköisen sovelluksen avulla, joka on suunniteltu helpottamaan SDMG:n tarjoamista. Tavanomainen hoitoryhmä saa SDMG-potilasmonisteen, jossa hahmotellaan SDMG ja käsitellään SDMG-vaatimukset täyttäviä lääkkeitä.

Alustavien tietojen perusteella tutkijat olettavat 30 %:n absoluuttisen eron (50 % PAUSE-sovelluksella vs. 20 % ilman PAUSE-sovellusta) niiden osallistujien osuudessa, jotka suorittavat simuloidun sairauspäivän virheettömästi. Käyttämällä kaksipuolista alfaa 0,05, 80 % tehoa ja luokkien välistä korrelaatiokerrointa 0,1 apteekkiklusterien välillä, otoskoko on 280 osallistujaa. Selvittääkseen 10 prosentin tappion seurannassa tutkijat pyrkivät värväämään tutkimukseen yhteensä 320 osallistujaa. Tutkijat suunnittelevat rekrytoivansa 16 apteekkia, jotka rekrytoivat 20 osallistujaa.

Tietojen analysointi Osallistujien perustiedot, mukaan lukien sosiodemografiset tiedot, liitännäissairaudet ja aktiiviset lääkemääräykset, analysoidaan käyttämällä kuvaavia tilastoja. Toteutettavuus- ja uskollisuustulokset raportoidaan käyttämällä kuvaavia tilastoja, joissa on numeroita ja prosentteja. Ryhmien välisten tulosten vertailut (esim. PAUSE App vs. tavallinen hoito) raportoidaan käyttämällä korjaamattomia ja mukautettuja yleisiä estimointiyhtälöitä keskimääräisten erojen ja riskierojen määrittämiseksi ryhmien välillä. Kuvaavia tilastoja käytetään tarvittaessa ryhmien erojen arvioimiseksi seurantajakson jälkeen. Keskeisten muuttujien ja tutkimustulosten välisiä assosiaatioita analysoidaan käyttämällä asianmukaisia ​​yksimuuttuja-, monimuuttuja- ja sekamallianalyysejä. Google Analytics -tietojen kartoittavat analyysit suoritetaan käyttäjien käyttäytymistä koskevien tietojen raportoimiseksi. Viiden vuoden jatketun seurantajakson aikana rutiininomaisesti kerättyjen terveystietojen analyyseja käytetään määrittämään toimenpiteiden mahdollinen vaikutus terveysvaikutuksiin.

Simuloidut sairaspäiväarvioinnit pisteytetään ja analysoidaan ennalta määritettyjen tuloskorttien mukaisesti, jotka perustuvat Doerflerin et al. käyttämiin skenaarioihin. SDMG:n oikean käytön mittaaminen akuutin sairauden aikana. Log-binomiaalisia regressiomalleja käytetään arvioimaan suoraan riskisuhteet (RR) ja 95 %:n luottamusvälit simuloidun sairauspäivän virheettömän loppuunsaattamisen tulokselle sekä kunkin kolmen yksittäisen komponentin oikeaan suorittamiseen. sairaspäiväsimulaatio. Satunnaisvaikutuksia käytetään huomioimaan apteekkien klusteroituminen. Säätämättömät ja säädetyt mallit sopivat, mukaan lukien kiinteät vaikutukset yksittäisten osallistujien ominaisuuksiin, mukaan lukien ikä, sukupuoli, demografiset tiedot, diabetes, muut liitännäissairaudet, pätevien lääkkeiden määrä ja kaikki muut merkittävät hämmentävät muuttujat yksimuuttuja-analyyseistä. Lisäksi osallistujilta kerättyjä tietoja PAUSE-sovelluksen ja/tai SDMG-potilasmonisteen hyödyllisyydestä simuloidun sairauspäivän hallinnassa ja toimenpiteiden yleisestä hyväksyttävyydestä käytetään toimenpiteen tarkkuuden arvioimiseen. Kaikki tilastollinen analyysi valmistuu R:ssä.

Valitut osallistujat (potilaat ja farmaseutit) kutsutaan haastateltavaksi heidän simuloidun sairauspäiväskenaarion arvioinnin perusteella, joka perustuu tarkoituksenmukaiseen otantastrategiaan. Osallistujien ja proviisorien kanssa tehdään henkilökohtaisia ​​puolistrukturoituja haastatteluja, joiden kesto on 30-60 minuuttia. Haastattelukysymykset ja analyysit ovat iteratiivisia koko tutkimuksen ajan, jotta esiin tulevia tai epäsäännöllisiä teemoja voidaan tarkastella myöhemmissä haastatteluissa. Laadulliset haastattelut äänitetään, litteroidaan sanatarkasti ja niitä tarkastellaan useilla induktiivisen temaattisen analyysin vaiheilla. Kerätyt kenttämuistiinpanot ja haastattelujen transkriptiot analysoidaan NVIVO-laadullisen analyysiohjelmiston avulla. Tietojen analysointi alkaa välittömästi ensimmäisen haastattelun päätyttyä. Kaksi tutkijaa koodaa tiedot itsenäisesti, ja sitten koodeja verrataan ensimmäisen haastattelun jälkeen koodausoppaan laatimiseksi myöhempiä haastatteluja varten.