Henkilökohtaisen vuorokausipäivän lentäjä parantaa unta yövuorotyöntekijöissä (SAIL)

Kokeellinen: Vaihtosovellus

Tämän ehdon osallistujat saavat pääsykoodin mobiilisovelluksen lataamiseksi ja suuntautumisen siirtymiseen ja tutkimusmenettelyihin tutkimusryhmän jäsenen kanssa. Sitten he osallistuvat neljän viikon opiskeluun ohjaamaan vuoron käyttöä, missä heitä koulutetaan päivittäisessä menettelyssä avausvaihtoon päivän alussa ja suunnittelemaan päivänsä sovellussuositusten mukaisesti. Sovelluksen käyttö (4 kertaa viikossa) kannustetaan viikoittain bonuksilla, jotka on lisätty tutkimuksen korvaukseen. Neljän viikkoa opintojen ohjaaman käytön jälkeen osallistujat jatkavat itseohjautuvaa käyttöä. Neljän kuukauden kuluttua osallistujat suorittavat sitten tehosterokouksen, jossa on kaksi ylimääräistä viikkoa opintoja, jota seuraa itseohjattu käyttö tutkimuksen loppuun saakka. Booster -istunnon rakenteella on todisteita hoidon saavuttamisesta ja se on myös yhdenmukainen kaupallistamissuunnitelman kanssa.

Muut: Henkilökohtainen vuorokausi

SHIFT on mobiilisovellus, joka on suunniteltu parantamaan unta yövuorotyöntekijöissä. SHIFT-mobiilisovellusta käytetään tietojen keräämiseen Apple Watchilta arvioidakseen yksittäisen muutoksen työntekijän kehon käännöksen ajoitusta ja antamaan henkilökohtaisia ​​suosituksia valon valotusaikatauluista, jotka on suunniteltu kohdistamaan kehon keitto Yövuorotyön aikataulun kanssa.

Muut nimet:

• SIIRTÄÄ

Ei väliintuloa: Odotuslistaohjaus

Tämän tilan osallistujat täyttävät kyselylomakkeet vain kahdeksan ensimmäisen kuukauden ajan. Vaihtotyöntekijöiden pysyvät voivat saada vaihto-sovelluksen ja mahdollisuus suorittaa seurantatutkimukset samalla tavalla kuin Shift-sovelluksen ehto.

Määritä muutoksen vaikutus sidosryhmäkeskeisiin tuloksiin.

Tavoite 1A. Mittaa muutoksen vaikutus työn tuottavuuteen ja tyytyväisyyteen verrattuna odotuslistojen hallintaan työtyytyväisyysindeksin avulla. Vaikutus testataan käyttämällä sekavaikutuksia lineaarista regressiomallia osallistujien kanssa satunnaisena vaikutuksena ja ajan, kuntona ja aika-olosuhteen vuorovaikutusterminä kiinteinä vaikutuksina.

Tavoite 1B: Mittaa muutoksen vaikutus globaaliin terveyteen verrattuna odotuslistojen hallintaan NIH Promis Global Health -kyselyn avulla. Vaikutus testataan samalla menetelmällä kuin AIM 1A.

Tavoite 1C. Mittaa siirtymän vaikutus liikevaihtoon verrattuna odotuslistojen hallintaan, mitattuna 8 kuukauden seurannassa. Liikevaihto toteutetaan yksilönä, joka on joko lopettanut aseman, jossa he olivat lähtötilanteessa tai joka ei enää harjoita vuorotyötä, kuten tutkimuksessa toimiva. Vaikutus määritetään käyttämällä yleistettyjä sekavaikutusten regressiota liikevaihdon kanssa kaksitahoisena lopputuloksena.

Vertaa Sleep Androidin käyttökokemusta ja tarkkuutta alkuperäiseen iOS -versioon.

Tavoite 2a. Mittaa vaihdon Android- ja iOS -versioiden käyttökokemus käyttökokemuksen kyselylomakkeen (UEQ) avulla. Käytetään seuraavia kliinisen välinpitämättömyyden alueita: ± 3 pistettä käyttökokemuksen kyselylomakkeessa, joka perustuu 6: n koon 6 jokaiselle kynnysarvolle (huono, neutraali ja hyvä käyttökokemus).

Tavoite 2b. Mittaa ennustetun vuorokausipäivän väärinkäytön (CM), unen ja masennuksen tarkkuus Android- ja iOS -versioissa. CM indeksoidaan vuorokausipäiväisen järjestelmän biomaattisen mallin lähtöillä. Uni mitataan unettomuuden vakavuusindeksi- ja nukkumispäiväkirjojen avulla. Masennus mitataan masennusoireiden nopealla inventaariolla. Käytetään seuraavia kliinisen välinpitämättömyyden alueita: 1) ennustettu CM = ± 3 tuntia noin 2x mallin ennusteidemme absoluuttisen keskimääräisen virheen perusteella, 2) unettomuus vakavuus = ± 6 pistettä ja 3) masennus = 28,5% QID: stä -Sr16 -pisteet.

Arvioi sitoutumisen ja toteuttamisen esteet ja esteet.

Sarjaa puolijärjestelmällisiä haastatteluja käytetään temaattiseen analyysiin ja kattava etenemissuunnitelma tuleville sovelluspäivityksille käyttäjän palautteen perusteella. Puolirakenteisissa haastatteluissa hyödynnetään haastattelu-opaslähestymistapaa tämän tutkimuksen vuoksi valitun CFIR-kehyksen jälkeen. Temaattista analysointia varten noudatetaan kuutta vaihetta: (1) datan tutustuminen, (2) alkuperäisten koodien tuottaminen, (3) teemojen etsiminen, (4) teemojen tarkistaminen, (5) teemojen määritteleminen ja nimeäminen ja (6) raportin tuottaminen . Yhdistämme deduktiiviset ja induktiiviset tekniikat temaattisten analyysien tarkkuuden lisäämiseksi.