Toolkit di coordinamento e progetto di coaching (CTAC)

Contesto: i veterani ad alto rischio sono definiti come individui a maggior rischio di esiti clinici scarsi e maggiore utilizzo di servizi sanitari non pianificati rispetto alle loro controparti non ad alto rischio. Questi veterani in genere hanno molteplici problemi di salute cronici e sono vulnerabili alle lacune nelle cure a causa di un funzionamento fisico, psicologico e/o sociale compromesso. Nonostante gli sforzi per integrare l'assistenza attraverso i Patient Aligned Care Teams (PACT) di VA nelle cure primarie, persistono carenze nel coordinamento dell'assistenza. In VA, la maggior parte dei veterani ad alto rischio è gestita nelle cure primarie piuttosto che in un servizio specializzato. Ci si aspettava che PACT migliorasse il coordinamento dell'assistenza creando il ruolo di responsabile dell'assistenza per l'infermiere del gruppo PACT. Tuttavia, ci sono state sfide significative nell'attuazione del ruolo di responsabile dell'assistenza come previsto. Molte delle sfide del coordinamento dell'assistenza coinvolgono il "vicinato medico" al di fuori del PACT.

Per migliorare la qualità del coordinamento dell'assistenza nelle cure ambulatoriali e anche sviluppare metodi migliori per diffondere le innovazioni, il progetto Coordination Toolkit and Coaching è stato finanziato dalla Quality Enhancement Research Initiative (QUERI) di VA. Questo progetto sviluppa e pilota un toolkit online e un processo di coaching a distanza, quindi confronta l'efficacia del toolkit da solo con la combinazione del toolkit più il coaching a distanza per migliorare l'esperienza di cura dei pazienti VA. Sia il toolkit che le strategie combinate toolkit/coaching sono state utilizzate individualmente nelle iniziative di miglioramento della qualità del VA e ciascuna strategia è stata confrontata individualmente con altre alternative. Tuttavia, a conoscenza degli investigatori, queste strategie non sono state formalmente confrontate testa a testa.

Ulteriori informazioni sull'esito: l'esito primario del progetto è una misura dell'esperienza del paziente, l'Health System Hassles Scale. Questa scala di 16 item pone ai pazienti domande quali se i loro farmaci vengono ricaricati in tempo, se sono state fornite informazioni sul motivo per cui sono stati indirizzati a uno specialista, se c'è stata scarsa comunicazione tra diversi medici o cliniche o se ci sono state disaccordi tra medici sulla diagnosi del paziente o sul miglior trattamento per il paziente.

Calcoli della dimensione del campione: il calcolo della dimensione del campione per questo studio si basa su una semplice presunzione di un'analisi della differenza nelle differenze (attraverso i due punti temporali) per il confronto delle due strategie di implementazione. L'outcome primario è la Health System Hassles Scale. Gli investigatori assumono 12 cliniche nello studio (6 per gruppo di studio), che saranno visualizzate come cluster per valutare la dimensione del campione. Poiché il numero di pazienti per cluster può variare, i ricercatori assumono un coefficiente di variazione delle dimensioni dei cluster di circa 0,9. Con una dimensione dell'effetto di 0,3 deviazioni standard (che è considerata una dimensione dell'effetto da piccola a media nella terminologia di Cohen) per l'analisi della differenza nella differenza e una correlazione intra-cluster di 0,023 (basata sulla valutazione preliminare dei dati precedenti), quindi con una potenza dell'80% e un livello di significatività bilaterale del 5%, sono necessari 149 pazienti per clinica per un totale di 1788 pazienti (equamente divisi tra i due gruppi).

Piano di analisi statistica: l'endpoint primario della Health System Hassles Scale verrà confrontato tra i due gruppi di implementazione (toolkit e toolkit combinato/coaching) utilizzando un'analisi della differenza nelle differenze (tra i due punti temporali: baseline e 12 mesi) aggiustata per l'analisi per il raggruppamento per clinica. Questa analisi verrà eseguita inizialmente con un modello lineare generale utilizzando la differenza tra i punti temporali come variabile dipendente e il gruppo di studio come variabile indipendente, con la clinica come variabile di clustering (e, quindi, utilizzando una matrice di varianza-covarianza opportunamente scelta). Un ulteriore modello di aggiustamento può incorporare covariate appropriate tra cui fattori a livello di paziente, come il sesso, l'età e l'uso di cure non VA.