Valutazione dell'efficacia degli avvisi di screening dei lipidi pediatrici

I pazienti idonei per questo studio saranno randomizzati in uno dei quattro gruppi tramite un algoritmo di randomizzazione della cartella clinica elettronica (EMR) di Epic eseguito automaticamente al momento della visita:

1. Gruppo di controllo (ritardo di 6 mesi prima che i loro fornitori ricevano un avviso)
2. Argomento di mantenimento della salute (HMT)
3. Avviso di best practice (BPA)
4. Avviso di best practice e argomento di mantenimento dello stato di salute (BPA+HMT)

Geisinger Health System introdurrà il panel Storyboard di Epic (un nuovo modo di riassumere le informazioni sui pazienti nell'EMR) circa un mese dopo l'inizio di questo studio. Il piano di analisi testerà quindi il potenziale impatto di questo cambiamento.

I fornitori saranno invitati a discutere e ordinare uno studio lipidico di screening che non è a digiuno al momento della visita con il paziente, sulla base degli avvisi di cui sopra. Alcune famiglie avranno un avviso nel loro portale MyGeisinger che afferma che è necessario un test di mantenimento della salute e di discuterne con il proprio fornitore.

I risultati saranno esaminati e classificati come segue,

I risultati includeranno gli ordini di screening dei lipidi da parte dei fornitori (sì/no) e il completamento dello screening da parte dei pazienti (sì/no). Verranno inoltre forniti i seguenti risultati descrittivi:

1. Ordinato screening lipidico
2. Screening lipidico ordinato e completato
3. Screening lipidico ordinato ma non completato
4. Lo screening lipidico è diminuito con il motivo per cui
5. L'avviso non ha agito affatto

L'analisi terrà conto dell'annidamento dei pazienti all'interno dei fornitori; questo includerà il fornitore come variabile di effetti casuali in una serie di modelli di regressione logistica binomiale multilivello, per tenere conto della potenziale correlazione con i pazienti. Se il coefficiente di correlazione intraclasse è basso, verranno condotti solo i modelli di regressione logistica a livello di paziente. Nel primo modello, il controllo passivo fungerà da gruppo di riferimento, per verificare se ciascuna delle condizioni di allerta attiva ha un impatto significativo sui risultati. Nel secondo modello, la condizione solo BPA fungerà da gruppo di riferimento, per verificare se HMT e BPA+HMT offrono miglioramenti significativi nelle prestazioni. Infine, il terzo modello utilizzerà la condizione solo HMT come riferimento, per verificare se BPA + HMT ha un impatto significativamente maggiore sui risultati. Le interazioni Storyboard X Condition saranno testate all'interno dei modelli e, se ce ne sono significative, la serie di modelli sarà condotta separatamente sui pazienti prima e dopo l'implementazione di Storyboard in Epic, per verificare se e come i risultati si replicano nei diversi contesti .