I nostri colleghi - Empowerment e Navigational Support - Community Living: intervento remoto di navigatore tra pari per gli adulti con disabilità appena acquisite che passano alla vita della comunità (OP -ENS -Cl) (OP-ENS - CL)

Lo scopo di questo studio è di valutare l'efficacia e la validità sociale degli OP -EN - CL (i nostri colleghi - Empowerment e supporto di navigazione - Living Community Living) un remoto intervento di navigatore pari a 12 mesi che utilizza una progettazione di sperimentazione clinica in un campione di adulti con disabilità di recente acquisizione con disabilità fisiche alla vita della comunità.

I partecipanti saranno reclutati attraverso reti comunitarie e cliniche e sottoposti a screening per l'ammissibilità. I partecipanti verranno assegnati in modo casuale agli interventi o ai normali gruppi di cure. I partecipanti al gruppo di intervento saranno abbinati a un navigatore di salute tra pari (che è anche una persona con disabilità fisica). Utilizzando un processo di struttura di identificazione della barriera, impostazione degli obiettivi e pianificazione delle azioni I navigatori della salute dei pari lavoreranno con i partecipanti per aiutare a rispondere alle loro esigenze e alle preoccupazioni sanitarie, comprese cose come la comunicazione dei fornitori di pazienti, i trasporti, l'accesso a attrezzature mediche durevoli. È importante notare che i navigatori della salute tra pari non sono operatori sanitari e non forniscono consigli medici o sanitari. Ai partecipanti alla prova di intervento viene chiesto di incontrare il loro navigatore tra pari almeno una volta al mese durante il periodo di studio. Per incoraggiare la partecipazione a questo intervento, i micro-incentivi progressivi sono integrati nel protocollo di studio. Per promuovere l'equipoise, viene creato un simile programma di microincentivi per il solito gruppo di cure.

La raccolta dei dati - Tutti i partecipanti, indipendentemente dall'assegnazione di gruppo, saranno intervistati in 3 punti temporali (basale, 6 mesi, 13 mesi) utilizzando misure di auto -relazione di accesso sanitario, qualità e risultati, nonché misure di supporto sociale e attivazione del paziente. I collezionisti di dati saranno accecati dall'assegnazione di gruppo e non coinvolti nella consegna dell'intervento OP -ENS - CL.

Analisi dei dati: gli investigatori impiegheranno il modello di effetti misti utilizzando ciascun risultato dello studio come variabile dipendente e variabile dipendente nel tempo (PHN vs. cure normali) come principale effetto fisso. Le caratteristiche di base tra cui razza/etnia, genere e stato socioeconomico saranno inserite come covariate invarianti nel tempo se si osservano differenze di gruppo di base (nonostante la randomizzazione). L'intercettazione del soggetto verrà modellata come un effetto casuale. L'ipotesi nulla verrà respinta se si osserva un significativo effetto di interazione del tempo*. Gli investigatori ipotizzano che PN avrà una pendenza di traiettoria più favorevole dei risultati dello studio rispetto al gruppo di controllo abbinato. Per ogni ipotesi, verrà condotta l'analisi post-hoc per valutare la differenza in ciascuna variabile di risultato tra i due gruppi in diversi punti temporali. I modelli misti verranno eseguiti con Proc miscelato da SAS 9.3 (Cary, NC). Il metodo di stima sarà la massima verosimiglianza (ML). Una varietà di strutture di covarianza (regressiva del primo ordine, simmetria composta, toeplitz, componenti di varianza, non strutturati) saranno attentamente esaminate e confrontate per il miglior adattamento del modello, informazioni di Akaike (AIC) e criteri di informazione bayesiana (BIC). Queste statistiche sono funzioni della probabilità log e possono essere confrontate tra i modelli. Poiché i dati mancanti sono inevitabili in uno studio longitudinale, i valori saranno imputati ove possibile utilizzando le procedure medio (mediana) sostitutive o di imputazione formale come l'algoritmo EM se i dati mancanti sono MCAR (mancano completamente a caso) o MAR (mancanti a caso). Se i dati mancanti sono NMAR (non mancanti a caso), l'approccio "miscela di pattern" verrà utilizzato per calcolare una "media ponderata" dei parametri associati ai dati mancanti per stimare quali sarebbero stati i dati.