Approche d'analyse et d'amélioration des systèmes pour optimiser la cascade de traitement en santé mentale à tâches partagées (SAIA-MH) (SAIA-MH)

En raison d'une pénurie de 1,2 million de travailleurs de la santé mentale (MH) dans les pays à revenu faible et intermédiaire (PRFI), les responsables universitaires et politiques ont préconisé d'étendre le partage des tâches aux prestataires de niveau inférieur pour combler le déficit de soins de santé mentale, qui dépasse 90 % dans de nombreux PRITI. Alors que le partage des tâches peut améliorer l'accès aux soins, une attention limitée a été accordée à la qualité des soins fournis par les prestataires de niveau inférieur. La gestion ambulatoire de la santé mentale à tâches partagées au Mozambique a montré de faibles taux de rétention dans les soins (40%), d'observance des médicaments (<15%) et de proportion de patients obtenant une amélioration de la fonction (<5%). De même, des taux élevés de perdus de vue, une mauvaise observance et de mauvais résultats pour les patients ont été signalés dans d'autres PRITI. À notre connaissance, il n'existe pas de stratégies de mise en œuvre fondées sur des données probantes ciblant l'optimisation de la cascade de traitement de la SM dans les milieux à faibles ressources. Il s'agit d'un besoin urgent dans le domaine de la prestation de soins de santé mentale à l'échelle mondiale.

La cascade de traitement de la SM est un modèle qui décrit les étapes de traitement séquentielles et liées que les personnes atteintes de maladie mentale doivent parcourir, du diagnostic initial à l'amélioration des symptômes/fonctions. Les problèmes de qualité à une étape d'une cascade de traitement peuvent avoir des effets non linéaires et cumulatifs sur l'ensemble du système de soins complexes. Les stratégies de mise en œuvre axées sur une seule étape dans une cascade peuvent potentiellement contribuer à des goulots d'étranglement involontaires du système et à des problèmes de qualité des soins. En revanche, "l'approche d'analyse et d'amélioration des systèmes (SAIA)" est une stratégie de mise en œuvre à plusieurs composants axée sur l'optimisation d'une cascade de traitement complète. SAIA associe la facilitation, la consultation clinique locale améliorée et la création de collaborations d'apprentissage au niveau de l'établissement avec des outils d'ingénierie système dans une approche en 5 étapes spécifiquement développée pour les prestataires à tâches partagées, qui comprennent : (1) une analyse en cascade pour visualiser la chute en cascade du traitement -offs et hiérarchiser les domaines d'amélioration du système ; (2) cartographie des processus pour identifier les goulots d'étranglement modifiables au niveau de l'établissement ; (3) identification et mise en œuvre de modifications pour améliorer les performances du système ; (4) évaluation des effets de la modification sur la cascade ; et (5) des cycles répétés d'analyse et d'amélioration. Un précédent ECR en grappes a établi l'efficacité du SAIA pour l'amélioration de la cascade du traitement du VIH (R01HD075057 ; IP : Sherr). Cependant, il n'existe aucune donnée sur l'efficacité du SAIA appliqué à d'autres cascades de traitement complexes - telles que les soins de SM à tâches partagées. Les données préliminaires suggèrent que l'application de SAIA à l'optimisation de la cascade de traitement MH (SAIA-MH ; R21MH113691 ; IP : Wagenaar) est faisable, acceptable et peut entraîner des améliorations cliniquement significatives de la cascade de traitement ; Cinq mois de mise en œuvre de SAIA-MH ont entraîné une augmentation de 1,5 fois de l'observance du traitement (aOR : 1,5 ; IC : 1,2, 1,9) et une augmentation de 3,7 fois de l'amélioration de la fonction (aOR : 3,7 ; IC : 2,5, 5,4). Ces données suggèrent que SAIA-MH est une stratégie prometteuse pour l'amélioration des systèmes de SM à tâches partagées à l'échelle mondiale. Nos objectifs spécifiques sont de :

Objectif principal 1 : Tester l'efficacité de la stratégie SAIA-MH à l'aide d'une conception pragmatique d'ECR en grappes et évaluer les déterminants du succès de la mise en œuvre. Les chercheurs mettront en œuvre SAIA-MH à l'aide d'un ECR en grappes parallèles de 3 ans dans 8 installations d'intervention et 8 installations de contrôle attentionnel et évalueront les effets sur l'amélioration de la fonction de santé mentale (primaire) et la rétention / l'observance des médicaments (secondaire). Deux ans de mise en œuvre de l'étude seront suivis d'une phase de maintenance d'un an pour examiner la fidélité et la durabilité de routine. Le cadre consolidé pour la recherche sur la mise en œuvre (CFIR) sera utilisé pour évaluer les déterminants du succès de la mise en œuvre.

Objectif secondaire 1 : Tester des modèles de voies causales pour analyser les mécanismes d'action des effets (ou des non-effets) de la stratégie de mise en œuvre du SAIA-MH. En utilisant 3 ans de données mensuelles sur les liens stratégie-mécanisme, les modérateurs, les conditions préalables et les résultats pour les 8 installations d'intervention complètes et les 8 installations de contrôle attentionnel, les chercheurs examineront les estimations de l'effet de la voie causale à l'aide de la modélisation d'équations structurelles longitudinales. Les données CFIR qualitatives de l'objectif principal 1 permettront de contextualiser les analyses de chemin quantitatives.

Objectif spécifique 2 : Estimer le coût et la rentabilité de la mise à l'échelle du SAIA-MH au Mozambique. Les enquêteurs effectueront une micro-estimation des coûts et une observation du temps et du mouvement de l'ECR SAIA-MH pour estimer les coûts de mise en œuvre de l'intervention. Les chercheurs construiront un modèle de Markov paramétré avec les données sur les coûts et les résultats de l'ECR SAIA-MH pour projeter l'impact budgétaire et la rentabilité de la mise à l'échelle du SAIA-MH aux niveaux provincial et national.