Mise en œuvre de l'heure d'arrivée

L'arrivée ponctuelle des patients est essentielle pour maintenir des opérations cliniques efficaces et garantir que les patients bénéficient de la totalité de la durée de leurs soins programmés. Les arrivées tardives perturbent le flux de la clinique, réduisent le temps passé avec les prestataires et peuvent retarder les rendez-vous suivants, créant un effet d'entraînement tout au long de la journée. Ce projet vise à tester une intervention comportementale à faible coût qui clarifie les attentes d'arrivée et favorise l'arrivée à l'heure pour les rendez-vous programmés.

Cette étude évalue l'efficacité d'une intervention conçue pour rendre l'heure d'arrivée attendue plus saillante pour les patients. L'étude sera mise en œuvre dans les services de consultation externe qui dispensent des soins primaires dans le cadre de l'initiative d'amélioration opérationnelle d'UCLA Health pour améliorer le flux clinique et l'expérience des patients.

Plus précisément, l'intervention modifie la manière dont les informations de rendez-vous sont présentées aux patients (ou à leurs représentants dans le cas des patients < 18 ans) via deux canaux de communication utilisés par UCLA Health : (1) le portail patient (appelé MyChart chez UCLA Health) et (2) la plateforme de messagerie texte (appelée Hello World chez UCLA Health), qui envoie aux patients des notifications textuelles automatisées avant leur rendez-vous.

Condition témoin Sur la page d'accueil de MyChart, les patients ne voient que l'heure du rendez-vous programmé (par exemple, "Début à 15h00") pour leurs rendez-vous à venir. Dans la page des détails du rendez-vous, les patients voient leur heure de rendez-vous et une instruction supplémentaire pour "Arriver 15 minutes avant votre rendez-vous". Les notifications texte indiquent l'heure du rendez-vous et incluent une incitation à arriver 15 minutes à l'avance (par exemple, "[Nom du patient], vous avez une visite à venir le 12 janvier 2026 à 15h00. Arrivez 15 minutes avant l'heure de votre rendez-vous").

Condition de traitement Sur la page d'accueil de MyChart, les patients voient une heure d'arrivée explicite pour leurs rendez-vous à venir, fixée à 15 minutes avant l'heure du rendez-vous programmé (par exemple, "Arrivez avant 14h45" pour un rendez-vous programmé à 15h00), au lieu de l'heure du rendez-vous elle-même. Dans la page des détails du rendez-vous, les patients voient leur heure de rendez-vous ainsi que l'heure d'arrivée.

Les notifications texte indiquent explicitement aux patients leur heure d'arrivée attendue, au lieu de leur heure de rendez-vous (par exemple, "[Nom du patient], vous avez une visite à venir le 12 janvier 2026. Arrivez avant 14h45.")

Les investigateurs mettront en œuvre une randomisation par grappes, assignant tous les rendez-vous en personne avec un médecin ou un prestataire de pratique avancée (APP) au sein du même bâtiment clinique à la même condition expérimentale. Un total de 37 bâtiments cliniques seront inclus. Les investigateurs prévoient de mener cet essai clinique pendant 6 mois. La fonctionnalité d'heure d'arrivée sera mise en œuvre 1 mois avant le début de la période d'essai pour introduire une période de lavage.

Question de recherche clé :

Les investigateurs posent la question de recherche suivante : L'affichage d'une heure d'arrivée explicite change-t-il la manière dont les patients arrivent tôt pour leurs rendez-vous ? Les investigateurs émettent l'hypothèse que le traitement amènera les gens à arriver plus tôt pour leurs rendez-vous, par rapport à la condition témoin.

En plus d'examiner la mesure continue de l'avance à laquelle un patient s'enregistre pour ses rendez-vous (les mesures de résultat primaires), les investigateurs examineront également deux mesures binaires :

A. Arrivée à l'heure : Le traitement amène-t-il les patients à être plus susceptibles d'arriver à l'heure (c'est-à-dire à s'enregistrer avant ou à l'heure du rendez-vous programmé) ?.

B. Arrivée précoce : La condition de traitement augmente-t-elle la probabilité que les patients arrivent au moins 15 minutes avant l'heure de leur rendez-vous programmé ?

Plan d'analyse :

Les investigateurs utiliseront des régressions des moindres carrés ordinaires (MCO) avec des erreurs types robustes pour prédire les variables de résultat. Les inférences statistiques seront basées sur des erreurs types robustes au modèle, groupées au niveau du bâtiment clinique, qui est l'unité de randomisation. Toutes les analyses seront menées au niveau du rendez-vous. Le prédicteur principal sera un indicateur pour savoir si la clinique du patient a été assignée à la condition de traitement d'heure d'arrivée (par rapport à la condition témoin d'heure de rendez-vous standard).

Ces régressions seront exécutées avec et sans les variables de contrôle suivantes :

• Âge du patient (S'il y aura des valeurs manquantes, les investigateurs les remplaceront par la moyenne et ajouteront une variable indicatrice pour indiquer les patients dont l'âge est manquant)
• Genre du patient
• Race/ethnicité du patient
• Ponctualité du patient : La proportion des rendez-vous en personne avec un médecin du patient à la même clinique au cours des 36 mois précédant le début de l'essai pour lesquels il est arrivé à l'heure (Les patients n'ayant eu aucun rendez-vous terminé pendant cette période auront des données manquantes. Pour ces cas, les investigateurs imputeront la moyenne de l'échantillon et ajouteront une variable indicatrice pour indiquer ces patients). Si nous ne pouvons pas avoir l'historique des visites du patient pour les 36 mois précédant le début de l'essai, nous contrôlerons à la place la proportion des rendez-vous en personne avec un médecin du patient à UCLA Health (dans toutes les cliniques) pour lesquels il est arrivé à l'heure (à l'exclusion des rendez-vous sans rendez-vous)
• Type de visite (adulte vs enfant ; nouvelle vs. de suivi)
• Un indicateur pour savoir si la clinique fonctionnait avec des horaires de rendez-vous en créneaux de 15/30 minutes ou de 20/40 minutes
• Type d'assurance (Medicare traditionnel, Medicare Advantage, Medicaid, Commercial, autre/inconnu)
• Score de multimorbidité (S'il y a des valeurs manquantes, les investigateurs les remplaceront par la moyenne et ajouteront une variable indicatrice pour indiquer les patients avec un score de multimorbidité manquant)

• Les indicateurs binaires mutuellement exclusifs suivants pour tenir compte des différences dans (1) si un rendez-vous a été programmé avant la mise en œuvre de la fonctionnalité d'heure d'arrivée et (2) combien de temps à l'avance un rendez-vous a été programmé :

  • Programmé avant la mise en œuvre de la fonctionnalité : Indicateur pour les rendez-vous qui ont été programmés avant la mise en œuvre de la fonctionnalité d'heure d'arrivée
  • Programmé >7 jours à l'avance : Indicateur pour les rendez-vous programmés à la date de mise en œuvre ou après avec plus de 7 jours entre la programmation et la date du rendez-vous.
  • Programmé 1-7 jours à l'avance : Indicateur pour les rendez-vous programmés à la date de mise en œuvre ou après avec 1 à 7 jours entre la programmation et la date du rendez-vous.
  • Programmé <1 jour à l'avance : Indicateur pour les rendez-vous programmés à la date de mise en œuvre ou après avec moins de 1 jour entre la programmation et la date du rendez-vous.

En tant qu'analyse exploratoire, les investigateurs examineront les effets du traitement uniquement parmi les rendez-vous programmés à la date de mise en œuvre de la fonctionnalité ou après, car les notifications de confirmation de rendez-vous reçues par ces patients refléteront le plan expérimental.

Pour des vérifications de robustesse, les investigateurs effectueront des modèles logit pour les résultats binaires et réestimeront les modèles pour le résultat d'heure d'arrivée continue aux 1er et 99e centiles (ce qui est une plage de winsorisation plus large que la plage spécifiée dans la section des résultats primaires plus loin).

Remarque : Certains patients peuvent avoir plusieurs rencontres éligibles pendant la fenêtre d'étude. Les analyses principales incluront uniquement la première rencontre par patient. Des analyses exploratoires évalueront si l'inclusion des rencontres suivantes change les résultats.

Pour tester les effets hétérogènes du traitement, les investigateurs estimeront des modèles d'interaction dans lesquels l'indicateur de traitement est interagi avec les caractéristiques du patient, de la visite ou de la clinique. Les investigateurs analyseront les modérateurs suivants :

• Ponctualité au niveau du patient telle que définie ci-dessus (Pour tenir compte des valeurs manquantes, les modèles de régression interagiront l'indicateur de traitement à la fois avec le taux de ponctualité imputé et l'indicateur de manque)
• Le nombre de fois où les patients ont assisté à un rendez-vous avec un médecin dans cette même clinique au cours des 36 mois précédant le début de l'essai
• Si le service de la clinique programme les rendez-vous en créneaux de 15/30 minutes ou de 20/40 minutes
• Taux de ponctualité de base de la clinique : pourcentage des rendez-vous qui étaient à l'heure (enregistrés ≤ 0 minute en retard) au cours des six mois précédant l'essai
• Type de visite (adulte vs. enfant)
• Temps de programmation du rendez-vous (quatre sous-groupes mutuellement exclusifs) : Si le rendez-vous a été programmé avant la mise en œuvre de la fonctionnalité d'heure d'arrivée vs. il a été programmé après la mise en œuvre de la fonctionnalité mais plus de 7 jours avant la date de visite programmée vs. 1-7 jours, vs. <1 jour avant la date de visite programmée.
• Score de multimorbidité (Pour tenir compte des valeurs manquantes, les modèles de régression interagiront l'indicateur de traitement à la fois avec le score de multimorbidité imputé et l'indicateur de manque)

Les investigateurs mèneront des analyses exploratoires supplémentaires pour examiner les conséquences potentielles en aval de l'intervention :

1. Présence au rendez-vous Les investigateurs exploreront si la condition de traitement affecte les taux d'absence par rapport à la condition témoin. L'affichage explicite d'une heure d'arrivée demandée plus tôt pourrait potentiellement augmenter les absences si certains patients pensent qu'ils ont déjà manqué leur fenêtre de rendez-vous ou se sentent découragés de venir lorsqu'ils réalisent qu'ils ne peuvent pas arriver à l'heure demandée.

2. Satisfaction du patient :

   Les investigateurs exploreront si l'affectation à la condition de traitement affecte les évaluations de satisfaction des patients dans les sondages post-visite, en se concentrant sur deux résultats binaires qui permettent une analyse en intention de traiter :

   A. Si le patient laisse un mauvais avis (cette variable est égale à 1 si le patient donne 1 ou 2 étoiles sur 5 et 0 si le patient donne une note d'étoile plus élevée ou ne fournit pas de note d'étoile) B. Si le patient laisse un bon avis (cette variable est égale à 1 si le patient donne 5 étoiles et 0 si le patient donne une note inférieure ou ne fournit pas de note d'étoile).

   Les investigateurs effectueront des analyses textuelles des commentaires qualitatifs des patients dans les sondages pour évaluer le sentiment et les sources de préoccupations ou de compliments.

3. Annulations de rendez-vous Les investigateurs testeront si la condition de traitement affecte les taux d'annulation par rapport à la condition témoin. Cette analyse aidera à déterminer si le cadrage "Arrivez Avant" a un effet non intentionnel sur la probabilité des patients d'annuler plutôt que d'assister à leur rendez-vous.
4. Métriques du flux de travail clinique :

Les investigateurs examineront si le traitement influence les deux mesures opérationnelles suivantes au sein de la clinique :

A. Temps en salle du patient : le nombre de minutes entre l'enregistrement du patient et le moment où il est placé dans la salle d'examen.

B. Heure d'entrée du médecin dans la salle d'examen : le nombre de minutes entre l'heure du rendez-vous programmé et le moment où le prestataire entre dans la salle.

C. Temps entre l'enregistrement et l'entrée du prestataire : Nombre de minutes entre l'enregistrement du patient et le moment où le prestataire entre dans la salle d'examen.

Les investigateurs utiliseront des régressions quantiles pour cet ensemble d'analyses. Ces mesures exploratoires donnent un aperçu de savoir si une ponctualité améliorée se traduit par un flux clinique plus fluide ou des changements dans le temps d'attente des patients. Ces mesures sont probablement bruyantes car le moment où les patients sont placés dans la salle d'examen ou sont vus par le prestataire n'est pas toujours enregistré en temps réel.