Accesso alle cure primarie per le persone con disturbo da uso di oppioidi

Contesto di studio

Secondo l'Organizzazione Mondiale della Sanità (OMS) l'assistenza sanitaria primaria è un "modo altamente efficace ed efficiente per affrontare le principali cause e rischi di cattiva salute e benessere oggi" (1). L'assistenza primaria è particolarmente importante per le popolazioni vulnerabili in quanto sembra mitigare gli effetti di fattori come il basso stato socioeconomico (2-4). Questo sembra essere vero per quelli con disturbo da uso di oppioidi (OUD): in lavori precedenti, l'iscrizione a un medico di base era associata a tassi più elevati di screening del cancro e monitoraggio del diabete per quelli in trattamento per OUD (5).

Nei sistemi sanitari universali, come quello canadese, tutti hanno diritto all'assistenza sanitaria di base, indipendentemente dalle condizioni di salute o dalla situazione finanziaria. Il nostro lavoro precedente, tuttavia, indica che gli abitanti dell'Ontario in cura per OUD hanno meno probabilità di avere accesso alle cure primarie rispetto ad altri. Solo il 43% delle persone in trattamento per OUD è stato arruolato presso un medico di base rispetto al 73% dei controlli abbinati (5). I nostri risultati sono coerenti con uno studio americano che ha riportato uno scarso accesso alle cure primarie per coloro che sono in trattamento per OUD (6). Questi risultati sono preoccupanti. Non solo quelli con OUD sono una popolazione vulnerabile con bisogni sanitari complessi, ma anche il loro numero sta crescendo. L'OUD attualmente colpisce 15,5 milioni di persone in tutto il mondo (7), con il Canada e gli Stati Uniti (USA) che hanno il più alto carico di malattia (8).

Le barriere all'assistenza primaria per le persone con OUD sono state studiate male. I fattori relativi al paziente, come la difficoltà a presentarsi agli appuntamenti e le barriere del sistema, come i costi di trasporto, possono influire sull'accesso (9). Anche i fattori del fornitore sembrano svolgere un ruolo. Uno studio di intervista qualitativa in Ontario ha rilevato che la discriminazione e lo stigma del fornitore nei confronti di coloro con disturbo da uso di sostanze rappresentavano un ostacolo all'accesso alle cure primarie (9). Altri studi supportano questa scoperta, dimostrando che molti fornitori, proprio come il pubblico in generale, hanno lo stigma nei confronti di coloro che hanno un disturbo da uso di sostanze (10,11). È possibile che atteggiamenti negativi inducano i fornitori a discriminare le persone con OUD quando decidono se offrire un nuovo appuntamento al paziente.

Razionale e obiettivo dello studio

Il nostro obiettivo di studio è determinare se la discriminazione da parte dei medici è un ostacolo all'accesso alle cure primarie per le persone con OUD.

Domande di ricerca

1. Le persone in trattamento per OUD hanno meno probabilità di ricevere un nuovo appuntamento con il paziente rispetto alle persone in trattamento per il diabete?
2. Qual è l'impatto del genere del medico, degli anni di pratica, della ruralità e del modello di cura sulle offerte di un nuovo appuntamento per il paziente?

Metodi

Gli investigatori condurranno uno studio controllato randomizzato (RCT), utilizzando un approccio simile a Olah et al che ha esaminato l'accesso alle cure primarie per quelli di basso status socio-economico (14). Faranno telefonate senza preavviso ai medici di base in Ontario chiedendo un nuovo appuntamento per il paziente. I medici verranno assegnati in modo casuale a uno dei due scenari clinici: un paziente con diabete trattato da un endocrinologo o un paziente con OUD prescritto metadone da un medico dipendente. Nelle analisi esplorative secondarie, i ricercatori valuteranno anche l'impatto del modello di cura (team vs no), genere, rurale vs urbano e anni di pratica.

Popolazione Gli investigatori utilizzeranno le informazioni sul sito Web del College of Physicians and Surgeon of Ontario (CPSO) per identificare tutti i medici in Ontario che hanno una pratica attiva, indipendente e senza restrizioni con una specialità autodichiarata in medicina di famiglia (20).

Calcolo della dimensione del campione L'obiettivo del nostro studio è confrontare la proporzione di pazienti a cui è stato offerto un nuovo appuntamento in ciascuno dei bracci dello studio. Il consenso del nostro team era che una differenza del 10% nella proporzione di nuovi appuntamenti per i pazienti sarebbe stata clinicamente significativa. In un progetto di studio simile, Olah et al. hanno scoperto che al 23,5% di quelli con diabete è stato offerto un appuntamento da un medico in Ontario (14). Per il nostro calcolo della dimensione del campione, i ricercatori hanno ipotizzato che al 23% di quelli con diabete e al 13% di quelli in trattamento per OUD sarebbe stato offerto un nuovo appuntamento. Con una potenza dell'80%, un livello di errore di tipo 1 del 5%, per rilevare una differenza del 10% nella proporzione di nuovi appuntamenti offerti tra i gruppi di oppioidi (13%) e diabete (23%), sarebbero necessari 231 medici per ogni scenario. Tuttavia, studi precedenti che utilizzavano questo approccio hanno rilevato che fino a un terzo dei medici era escluso al momento della telefonata (perché il medico lavorava in una clinica ambulante o aveva una pratica che non era l'assistenza primaria; o perché nessuna risposta dopo cinque telefonate) (14,18). Pertanto, lo studio dovrebbe includere 308 medici in ciascun braccio.

Per creare il nostro campione, gli investigatori creeranno un database utilizzando le informazioni pubblicamente disponibili sul sito web del CPSO. Includeranno tutti i medici che hanno una pratica attiva, senza restrizioni e indipendente con specializzazione in medicina di famiglia. Registreranno inoltre l'indirizzo(i) del medico, il codice postale, il numero(i) di telefono, la data di registrazione per la pratica indipendente e il sesso nel nostro database. I medici saranno identificati nel database solo da un identificatore univoco. Tutti questi dati sono raccolti dal CPSO. Raggrupperanno quindi i medici in base all'indirizzo dello studio principale e quindi selezioneranno casualmente (utilizzando un generatore di numeri casuali) un medico dall'elenco dei medici che lavorano nello stesso sito. Gli investigatori escluderanno altri medici dallo stesso indirizzo di pratica. Utilizzeranno quindi un generatore di numeri casuali per selezionare casualmente un campione di medici determinato statisticamente. Li assegneremo in modo casuale a uno dei due scenari clinici: un paziente con diabete trattato da un endocrinologo o un paziente con OUD prescritto metadone da un medico dipendente.

Scenari Gli investigatori addestreranno un assistente di ricerca (RA) nello scenario clinico e testeranno l'interazione con un receptionist simulato che fornisce risposte diverse (vedi Appendice 1: Script di esempio). Per ridurre il rischio di confusione, faranno tutte le telefonate alla stessa RA. La RA contatterà ciascun medico per richiedere un appuntamento, per uno dei due scenari clinici. Gli investigatori escluderanno i medici al momento della telefonata se l'addetto alla reception del medico riferisce che la clinica è un walk-in o che il medico non offre cure primarie (14). Escluderanno anche le pratiche al momento della chiamata se richiedono una visita di persona o il numero della tessera sanitaria prima di fare un'offerta per un nuovo appuntamento per il paziente. Gli investigatori tenteranno di raggiungere un medico fino a cinque volte in un periodo di sei settimane. Per gli uffici con posta vocale, lasceranno un messaggio con lo script ma continueranno a fare fino a cinque telefonate per parlare con qualcuno di persona. Gli investigatori accetteranno richiami fino a sei settimane dopo la telefonata iniziale. Escluderanno le pratiche in cui non sono in grado di parlare con nessuno o lasciano un messaggio vocale dopo cinque telefonate. Richiederanno un appuntamento solo una volta da un medico. Se la clinica del medico offre un appuntamento, chiamerà il giorno successivo e lo annullerà. Gli investigatori continueranno a campionare fino a raggiungere il nostro numero target di medici.

Analisi dei dati Gli investigatori utilizzeranno statistiche descrittive per riferire sulla popolazione. Per rispondere alla nostra domanda di ricerca, confronteranno la proporzione di pazienti a cui è stato offerto un appuntamento di assistenza primaria (un risultato binario) tra i gruppi randomizzati. Utilizzeranno il test del chi quadrato e la regressione logistica per determinare se esiste una differenza statisticamente e clinicamente significativa nelle proporzioni dell'offerta di un nuovo appuntamento per il paziente tra i due scenari clinici.

I ricercatori si aspettano che i gruppi siano bilanciati su variabili confondenti misurate e non misurate. Tuttavia, studieranno la distribuzione delle variabili misurate tra i due gruppi. Se osservano squilibri, stimeranno l'impatto corretto sulla probabilità che gli venga offerto un nuovo incarico, dopo aver verificato eventuali fattori di confusione.

Per le nostre analisi secondarie, i ricercatori utilizzeranno il test Fisher Exact e il test Wilcoxon a due campioni per valutare se sottogruppi pre-specificati: sesso del medico (maschio vs. femmina); luogo di pratica (rurale < 50.000 vs. ambiente di pratica urbano > 50.000); anni nella pratica clinica e il modello di pratica (basato sul team o meno) hanno influito sulla probabilità che un paziente ricevesse un'offerta incondizionata di un nuovo appuntamento per il paziente.

I ricercatori si aspettano che i gruppi siano bilanciati su variabili confondenti misurate e non misurate. Tuttavia, studieranno la distribuzione delle variabili misurate tra i due gruppi. Se osservano squilibri, stimeranno l'impatto corretto sulla probabilità che gli venga offerto un nuovo incarico, dopo aver verificato eventuali fattori di confusione.

Per le nostre analisi secondarie, i ricercatori utilizzeranno il test Fisher Exact e il test Wilcoxon a due campioni per valutare se sottogruppi pre-specificati: sesso del medico (maschio vs. femmina); luogo di pratica (rurale < 50.000 vs. ambiente di pratica urbano > 50.000); anni nella pratica clinica e il modello di pratica (basato sul team o meno) hanno influito sulla probabilità che un paziente ricevesse un'offerta incondizionata di un nuovo appuntamento per il paziente.