Anziani Efficacia di 2 trattamenti

Disegno dello studio:

È prevista una sperimentazione clinica randomizzata a grappolo (RCT) in 22 strutture abitative sovvenzionate con fondi pubblici (HUD Sezione 202) e altri programmi di voucher per alloggi a basso reddito nel NE Ohio e sarà randomizzata a 2 bracci: Braccio 1 (11 siti) - I partecipanti riceveranno SDF semestrale; Braccio 2 (11 siti): i partecipanti riceveranno la domanda semestrale ART + FV. Tutti i partecipanti saranno seguiti per un anno e riceveranno uno screening dentale e una pulizia profilattica a tutte le visite.

Popolazione e ambiente dello studio:

L'obiettivo a lungo termine è ridurre le disparità e migliorare l'equità della salute orale per gli anziani a basso reddito. L'obiettivo immediato è testare gli interventi per affrontare le disparità. Pertanto, la popolazione/l'ambiente sarà costituita da adulti di basso stato socioeconomico (SES) di età ≥ 62 anni in 6 contee dell'Ohio NE (Cuyahoga, Lorain, Summit, Ashtabula, Geauga e Lake) residenti nella Sezione 202 dell'HUD e in altre strutture abitative sovvenzionate con fondi pubblici . Gli amministratori hanno fornito lettere di supporto che confermano la disponibilità dei siti e l'intenzione di partecipare. La popolazione è varia: afroamericani/neri, caucasici/bianchi inclusi ispanici/latini e asiatici. Ci sono 64 siti abitativi HUD con 3.661 unità abitative nelle 6 contee. Altre 87 strutture a basso reddito che ospitano anziani sono rappresentate dalle autorità regionali per l'alloggio, per un totale di 11.667 unità. Pertanto, sono disponibili un totale di 151 strutture e 15.328 anziani.

L'obiettivo della dimensione del campione di 22 siti e 550 partecipanti sarà facilmente raggiunto. La partecipazione a Medicaid tra gli inquilini è del 76% tra le strutture. Da uno studio precedente in queste strutture si prevede che l'età media sia di 74 anni, 76% donne, 51% caucasici, 45% afroamericani, 2% ispanici e 2% altri gruppi razziali/etnici; Il 60% degli anziani HUD non ha avuto visite odontoiatriche rare in oltre 3 anni.

A causa delle restrizioni COVID-19 che hanno impedito ai visitatori/fornitori esterni di accedere ai siti abitativi, il reclutamento richiederà più tempo dei 24 mesi previsti. Inoltre, circa 40 individui arruolati non hanno completato la visita di 26 settimane/seconda dose di trattamento. Abbiamo quindi aumentato di 40 il numero totale di partecipanti iscritti. Abbiamo anche aggiunto allo studio quattro ulteriori strutture abitative per far fronte ad alcuni ritardi nel reclutamento dovuti alla pandemia di COVID-19.

Anche i 4 siti aggiuntivi saranno randomizzati al braccio 1 e al braccio 2 per un totale di 13 siti in ciascun braccio

Reclutamento dei partecipanti:

Le strategie di successo degli studi precedenti saranno utilizzate nel reclutamento e l'input sarà sollecitato dalle parti interessate. Le strategie che verranno utilizzate sono le seguenti: I coordinatori del servizio in tutte le 22 strutture fungeranno da collegamento in loco. Il PI dello studio/responsabile del progetto fornirà ai coordinatori del servizio una lettera/volantino di presentazione contenente le informazioni sullo studio da consegnare agli inquilini e da affiggere nelle aree pubbliche della struttura. I coordinatori del servizio organizzeranno prima un incontro informativo (il dentista dello studio terrà un discorso sugli interventi suggeriti dalle nostre parti interessate) e organizzeranno un secondo incontro di reclutamento per il personale dello studio per presentare informazioni sullo studio in occasione di eventi di gruppo programmati (ad es. riunioni degli inquilini, fiere della salute). Ai fini della pianificazione, i coordinatori del servizio avranno un foglio di iscrizione per coloro che sono interessati alle sessioni. Il personale dello studio pianificherà coloro che sono interessati e soddisferanno i criteri di inclusione per sessioni individuali presso la struttura abitativa per ottenere il consenso informato e raccogliere i dati del sondaggio di base. Gli appuntamenti per l'esame odontoiatrico di base e il trattamento saranno quindi programmati presso ciascuna struttura in base a uno o più giorni di esame designati per ciascuna struttura, che avverrà circa 1-2 settimane dopo il consenso e la raccolta dei dati di base. Esami/trattamenti odontoiatrici di sei e dodici mesi e colloqui individuali per il completamento del sondaggio di follow-up per ogni momento si svolgeranno anche presso la struttura abitativa in cui risiedono i partecipanti.

Procedure di randomizzazione:

La randomizzazione è a livello di cluster (struttura abitativa) per l'efficienza logistica. Ciò ridurrà notevolmente il potenziale di errore che potrebbe altrimenti verificarsi con persone nello stesso sito assegnate a trattamenti diversi. Inoltre, mantenere lo stesso trattamento in ogni sito riduce le possibilità di "contaminazione" (ad es. partecipante che discute il proprio trattamento con gli altri). Inoltre, verrà utilizzata la randomizzazione a grappolo stratificata, ovvero un approccio di randomizzazione a blocchi (vincolato) in cui l'equilibrio rispetto ai trattamenti è assicurato per 2 variabili chiave a livello di cluster (stratificazione), vale a dire la dimensione della struttura (>100 contro ≤100 residenti) e la posizione geografica (Contea di Cuyahoga vs altro). Lo statistico del progetto genererà lo schema di randomizzazione per le 22 strutture abitative.

Piano analitico:

Ciascun risultato primario verrà confrontato tra i gruppi SDF e ART+FV. Per il dolore ai denti, verrà calcolato un intervallo di confidenza (CI) al 95% basato su un t-test per la differenza nelle risposte medie (SDF meno ART+FV). Se questo intervallo di confidenza si trova all'interno dell'intervallo (-∞, 8) possiamo concludere 'non-inferiorità' di SDF rispetto al trattamento ART+FV. L'intervallo di confidenza può essere esaminato secondariamente per valutare la possibile superiorità di un intervento rispetto all'altro. Per il tasso di arresto, verrà calcolato un CI del 95% per la differenza nei tassi (basato su una statistica z). Se questo intervallo di confidenza si trova all'interno dell'intervallo (-0,09, 1) possiamo concludere 'non inferiorità' del SDF relativo al trattamento ART+FV. Come sopra, può essere valutata anche l'eventuale superiorità di un intervento sull'altro. Per altri risultati, verrà utilizzato anche il calcolo dell'IC al 95% per le differenze nelle medie (o le proporzioni per i risultati binari). Questi esiti secondari saranno valutati in modo esplorativo per la possibile superiorità o inferiorità sulla base di margini appropriati.

Per corroborare i risultati iniziali, verrà utilizzato un approccio di equazioni di stima generalizzate (GEE). Per ogni risultato, sarà adatto un modello GEE (marginale) che include un indicatore di trattamento e variabili prognostiche (incluse variabili sociodemografiche, condizioni mediche e comportamenti di salute orale). Verranno specificate le funzioni di collegamento appropriate (ad es. collegamento logit per risultati binari e collegamento identità per risultati continui) e verrà utilizzata una matrice di correlazione funzionante intercambiabile per consentire le correlazioni all'interno del sito. L'esito dell'arresto sarà analizzato come esito binario (come descritto nella sezione sulla dimensione del campione) e secondariamente come numero di lesioni arrestate assumendo una distribuzione appropriata (ad esempio, binomio negativo) e una funzione di collegamento (ad esempio, collegamento log). Verranno utilizzati robusti test t con correzione per un piccolo numero di cluster per testare gli effetti del trattamento e verranno calcolati i corrispondenti intervalli di confidenza al 95%.

Secondariamente, l'approccio GEE di cui sopra verrà esteso per analizzare le misurazioni ripetute (basale, 26 e 52 settimane) per ciascun risultato. I modelli per ciascun risultato includeranno le stesse variabili prognostiche di prima, così come il tempo e il tempo per l'interazione del trattamento. Saranno consentite correlazioni tra le misure ripetute, ad esempio utilizzando una struttura di autocorrelazione del primo ordine. Se si riscontra una sostanziale correlazione all'interno della struttura, sarebbe necessario incorporare la struttura come secondo livello di gruppo (all'interno del quale la persona - il primo livello di gruppo - è nidificata). Inoltre, verrà impiegato anche la stima e il test (tramite un robusto t-test) del termine di interazione per confrontare le tendenze nel tempo per i due interventi. Se l'uso di due livelli di cluster non risulta fattibile nell'approccio GEE, verrà preso in considerazione un approccio basato su un modello a effetti misti generalizzato.

Standard di inferenza causale: l'uso della randomizzazione e dell'aggiustamento nei modelli di regressione dovrebbe essere sufficiente a fornire stime dell'effetto dell'intervento interpretabili causalmente; speciali tecniche di inferenza causale come il propensity score o metodi con variabili strumentali spesso indicati per studi osservazionali, non saranno quindi necessarie per l'analisi dei dati. Saranno evitati pregiudizi nelle inferenze causali sugli interventi previsti utilizzando un approccio intent-to-treat, in cui gli individui vengono analizzati in base a gruppi randomizzati senza riguardo al (entità del) trattamento effettivamente ricevuto.

Analisi di sensibilità: verrà verificata la sensibilità delle conclusioni alle ipotesi del modello, nonché le decisioni metodologiche come la definizione dei risultati. In particolare, per l'esito dell'arresto, l'analisi primaria si basa su un indicatore binario di arresto "completo" di tutte le lesioni per un individuo. I risultati saranno corroborati da questo approccio con un approccio alternativo che analizza il numero di lesioni arrestate. Per le analisi GEE, pianificate per tutti i risultati, la sensibilità sarà valutata in parte utilizzando strutture di covarianza di lavoro alternative e set alternativi di predittori. Per alcuni risultati, verranno prese in considerazione distribuzioni alternative; ad esempio, per il numero di lesioni arrestate, le possibili distribuzioni includono Poisson, binomio negativo, Poisson con inflazione zero (ZIP) e binomiale negativo con inflazione zero (ZINB). Verrà esaminata anche la sensibilità alle ipotesi relative ai dati mancanti, come descritto più avanti.

Dati mancanti. (a) Metodi per prevenire e monitorare i dati mancanti: tutti i questionari (utilizzando tablet) e moduli di valutazione dentale (utilizzando carta), saranno gestiti in un database elettronico (REDCap) dal personale dello studio. Verranno eseguiti controlli settimanali di controllo della qualità per valori anomali, errori di immissione, dati mancanti e potenziali anomalie dei dati. Analisi statistiche, rapporti di riepilogo e dati mancanti saranno generati dal biostatistico dello studio mensilmente durante lo studio. (b) Metodi statistici per gestire i dati mancanti e tenere conto dell'incertezza statistica dovuta alla mancanza: le analisi primarie, che utilizzano GEE sulla base di tutte le osservazioni disponibili, presuppongono che i risultati manchino completamente a caso (MCAR). Come valutazione iniziale dei modelli di dati mancanti, i gruppi di intervento (anche per sottogruppi pertinenti e punto temporale) saranno confrontati per quanto riguarda i tassi di risultati mancanti. Un test per una relazione tra mancanza e risultati nei primi momenti valuterà la plausibilità dell'ipotesi MCAR. Verranno utilizzati più metodi di imputazione (un metodo stabilito) per aiutare a garantire deduzioni valide. (d) Piani per registrare e segnalare abbandono e dati mancanti: i dati della sperimentazione saranno gestiti utilizzando il software REDCap, attualmente in esecuzione presso la Case Western Reserve University (CWRU). REDCap è un'applicazione sicura basata sul Web che fornisce un'interfaccia intuitiva per l'immissione di dati convalidati, audit trail per tracciare la manipolazione dei dati e le procedure di esportazione e procedure di esportazione automatizzate per il download continuo dei dati in pacchetti statistici comuni. I rapporti sui dati mancanti verranno generati settimanalmente da REDCap per una risoluzione tempestiva e per scopi di reporting. (e) Piani per esaminare la sensibilità delle inferenze ai metodi dei dati mancanti Come notato sopra, verrà utilizzata l'attribuzione multipla per ottenere inferenze valide in presenza di dati che non mancano completamente a caso. Verrà utilizzata la corrispondenza della media predittiva con un modello di previsione appropriato a seconda del risultato (ad es. regressione logistica per risultati binari, regressione lineare per risultati continui e conteggio). Nell'ambito delle analisi di sensibilità verranno utilizzati modelli di imputazione alternativi.