PAUSE : Étude sur l'application mobile de gestion des médicaments en cas de maladie (PAUSE)

Notre recherche précédente a interrogé des prestataires de soins de santé de l'Alberta sur « les facteurs affectant la décision des cliniciens de fournir des conseils en matière de médicaments en cas de maladie aux patients atteints de diabète et d'IRC afin de prévenir les événements indésirables ». Nos résultats ont révélé que 75 % des prestataires de soins de santé primaires connaissaient les conseils en matière de médicaments en cas de maladie, mais seulement 56 % savaient où trouver des lignes directrices et des ressources. Une écrasante majorité des répondants (97 %) étaient favorables à l’inscription des patients dans une étude évaluant des innovations alternatives pour fournir des conseils en matière de médicaments en cas de maladie.

Dans une récente revue de la portée résumant les interventions existantes, notre équipe de recherche a découvert que la majorité des documents SDMG publiés étaient destinés aux prestataires de soins de santé, avec peu de documents ciblés sur les patients. Il s’agissait principalement de documents, de cartes au format portefeuille, de pages Web ou d’assistance téléphonique. Il existe peu de recherches primaires sur le développement, la mise en œuvre ou l’évaluation des interventions SDMG actuelles. La plupart étaient difficiles à suivre et l'identification des jours de maladie ou des médicaments admissibles sans erreur était faible. Cette enquête et cette revue mettent en évidence la nécessité de développer et d'évaluer de nouvelles solutions pour fournir du SDMG aux patients. Nos travaux antérieurs ont également révélé que les personnes âgées au Canada étaient réceptives à l'utilisation des moyens de communication électroniques et que plusieurs patients ont exprimé leur intérêt à utiliser des outils de santé électronique (e-santé) pour l'autogestion des jours de maladie.

Les participants bénéficiant de l'intervention auront accès à l'application PAUSE, un outil d'autogestion pour SDMG destiné aux patients à utiliser pendant une maladie aiguë. Les dossiers pharmaceutiques Loblaw/Shoppers Drug Mart des utilisateurs sont liés électroniquement à l'application PAUSE au sein de l'application Santé le Choix du Président (PC), ce qui permet des recommandations à jour basées sur les médicaments actuellement prescrits. L'application pose aux utilisateurs une série de questions concernant les signes et symptômes qui identifient une maladie admissible, et détecte les « signaux d'alarme » qui nécessiteraient une urgence, ou une référence à un fournisseur de soins de santé ou à des soins d'urgence, et aide les patients à identifier lesquels de leurs médicaments ils devraient. suspendre ou ajuster temporairement, en fonction de la liste actuelle des médicaments du patient. L'objectif est de fournir aux patients un soutien interactif pour la gestion des médicaments lors d'un jour de maladie. Dans le cadre de l'intervention, les patients recevront également un document patient SDMG. L'intervention aborde les défis précédemment identifiés consistant à identifier les signes et symptômes qualificatifs qui justifient le SDMG et quels médicaments sont admissibles via une application électronique interactive et individualisée conçue pour faciliter la fourniture du SDMG. Le groupe de soins habituels recevra un document patient SDMG qui décrit le SDMG et indique quels médicaments sont admissibles au SDMG.

Sur la base des données préliminaires, les enquêteurs supposent une différence absolue de 30 % (50 % avec l'application PAUSE contre 20 % sans l'application PAUSE) dans la proportion de participants qui terminent une journée de maladie simulée sans erreur. En utilisant un alpha bilatéral de 0,05, une puissance de 80 % et un coefficient de corrélation interclasse de 0,1 entre les grappes de pharmacies, un échantillon de 280 participants sera requis. Pour tenir compte d'une perte de suivi de 10 %, les enquêteurs viseront à recruter un total de 320 participants à l'essai. Les enquêteurs prévoient de recruter 16 pharmacies qui recruteront chacune 20 participants.

Analyse des données Les données de base des participants, y compris les données sociodémographiques, les comorbidités et les prescriptions actives seront analysées à l'aide de statistiques descriptives. Les résultats de faisabilité et de fidélité seront rapportés à l'aide de statistiques descriptives avec des chiffres et des pourcentages. Les comparaisons des résultats entre les groupes (par exemple, l'application PAUSE par rapport aux soins habituels) seront rapportées à l'aide d'équations d'estimation généralisées non ajustées et ajustées pour déterminer les différences moyennes et les différences de risque entre les groupes. Des statistiques descriptives seront utilisées le cas échéant pour évaluer les différences de groupe après la période de suivi. Les associations entre les variables clés et les résultats de l'étude seront analysées à l'aide d'analyses de modèles univariées, multivariées et mixtes appropriées. Des analyses exploratoires des données de Google Analytics seront effectuées pour rapporter des informations sur le comportement des utilisateurs. Des analyses de données de santé régulièrement collectées sur une période de suivi prolongée de 5 ans seront utilisées pour déterminer l'effet, le cas échéant, de l'intervention sur les résultats de santé.

Les évaluations des jours de maladie simulés seront notées et analysées selon des cartes de pointage prédéfinies basées sur des scénarios utilisés par Doerfler et al. mesurer l'utilisation correcte du SDMG pendant une maladie aiguë. Des modèles de régression log-binomiale seront utilisés pour estimer directement les risques relatifs (RR) et les intervalles de confiance à 95 % pour le résultat de l'achèvement sans erreur du jour de maladie simulé, ainsi que pour l'achèvement correct de chacune des 3 composantes individuelles du simulation de jour de maladie. Des effets aléatoires seront utilisés pour tenir compte du regroupement par pharmacies. Des modèles non ajustés et ajustés seront ajustés, y compris des effets fixes pour les caractéristiques individuelles des participants, notamment l'âge, le sexe, les données démographiques, le diabète, d'autres comorbidités, le nombre de médicaments éligibles et toute autre variable confondante significative issue d'analyses univariées. De plus, les données collectées auprès des participants sur l'utilité de l'application PAUSE et/ou du document patient SDMG dans la gestion d'une journée de maladie simulée et l'acceptabilité globale des interventions seront utilisées pour évaluer davantage la fidélité de l'intervention. Toutes les analyses statistiques seront effectuées dans R.

Les participants sélectionnés (patients et pharmaciens) seront invités à être interviewés après leur évaluation de scénario de journée de maladie simulée basée sur la stratégie d'échantillonnage raisonné. Des entretiens individuels semi-structurés seront menés avec les participants et les pharmaciens d'une durée de 30 à 60 minutes. Les questions d'entretien et l'analyse seront itératives tout au long de l'étude pour permettre d'examiner des thèmes émergents ou irréguliers lors d'entretiens ultérieurs. Les entretiens qualitatifs seront enregistrés audio, transcrits textuellement et examinés à l'aide de plusieurs phases d'analyse thématique inductive. Les notes de terrain collectées et les transcriptions des entretiens seront analysées à l'aide du logiciel d'analyse qualitative NVIVO. L'analyse des données commencera immédiatement après la conclusion du premier entretien avec les participants. Les données seront codées indépendamment par deux chercheurs, puis les codes seront comparés après le premier entretien pour rédiger le manuel de codage pour les entretiens ultérieurs.