Implementazione dell'Ora di Arrivo

L'arrivo tempestivo dei pazienti è essenziale per mantenere un funzionamento efficiente della clinica e garantire che i pazienti ricevano la durata completa dell'assistenza programmata. Gli arrivi in ritardo interrompono il flusso della clinica, riducono il tempo con i fornitori e possono ritardare gli appuntamenti successivi, creando un effetto a catena durante la giornata. Questo progetto mira a testare un intervento comportamentale a basso costo che chiarisce le aspettative di arrivo e promuove l'arrivo puntuale per gli appuntamenti programmati.

Questo studio valuta l'efficacia di un intervento progettato per rendere più evidente ai pazienti l'orario di arrivo previsto. Lo studio sarà implementato in tutti i reparti ambulatoriali che forniscono cure primarie come parte dell'iniziativa di miglioramento operativo di UCLA Health per migliorare il flusso della clinica e l'esperienza del paziente.

In particolare, l'intervento modifica il modo in cui le informazioni sugli appuntamenti vengono presentate ai pazienti (o ai loro rappresentanti nel caso di pazienti < 18 anni) attraverso due canali di comunicazione utilizzati da UCLA Health: (1) il portale del paziente (chiamato MyChart presso UCLA Health) e (2) la piattaforma di messaggistica di testo (chiamata Hello World presso UCLA Health), che invia ai pazienti notifiche di testo automatizzate prima del loro appuntamento.

Condizione di controllo Sulla home page di MyChart, i pazienti vedono solo l'orario dell'appuntamento programmato (ad esempio, "Inizia alle 15:00") per i loro appuntamenti imminenti. All'interno della pagina dei dettagli dell'appuntamento, i pazienti vedono l'orario del loro appuntamento e un'ulteriore istruzione per "Arrivare 15 minuti prima del tuo appuntamento." Le notifiche di testo indicano l'orario dell'appuntamento e includono un invito ad arrivare con 15 minuti di anticipo (ad esempio, "[Nome del paziente], hai una visita imminente il 12 gen 2026 alle 15:00. Arriva 15 minuti prima dell'orario del tuo appuntamento").

Condizione di trattamento Sulla home page di MyChart, i pazienti vedono un orario di arrivo esplicito per i loro appuntamenti imminenti, impostato a 15 minuti prima dell'orario dell'appuntamento programmato (ad esempio, "Arriva entro le 14:45" per un appuntamento programmato alle 15:00), invece dell'orario dell'appuntamento stesso. All'interno della pagina dei dettagli dell'appuntamento, i pazienti vedono l'orario del loro appuntamento e l'orario di arrivo.

Le notifiche di testo dicono esplicitamente ai pazienti il loro orario di arrivo previsto, invece dell'orario dell'appuntamento (ad esempio, "[Nome del paziente], hai una visita imminente il 12 gen 2026. Arriva entro le 14:45").

Gli investigatori implementeranno una randomizzazione a cluster, assegnando tutti gli appuntamenti di persona con un medico o un fornitore di pratica avanzata (APP) all'interno dello stesso edificio della clinica alla stessa condizione sperimentale. Saranno inclusi un totale di 37 edifici clinici. Gli investigatori pianificano di condurre questo studio clinico per 6 mesi. La funzionalità dell'orario di arrivo sarà implementata 1 mese prima dell'inizio del periodo di prova per introdurre un periodo di washout.

Domanda di ricerca chiave:

Gli investigatori pongono la seguente domanda di ricerca: Mostrare un orario di arrivo esplicito cambia quanto presto i pazienti arrivano per i loro appuntamenti? Gli investigatori ipotizzano che il trattamento porterà le persone ad arrivare prima per i loro appuntamenti, rispetto alla condizione di controllo.

Oltre a esaminare la misura continua di quanto in anticipo un paziente si presenta per i suoi appuntamenti (le misure di outcome primarie), gli investigatori esamineranno anche due metriche binarie:

A. Arrivo puntuale: Il trattamento porta i pazienti ad avere una maggiore probabilità di arrivare in orario (cioè, presentarsi prima o all'orario dell'appuntamento programmato)?.

B. Arrivo anticipato: La condizione di trattamento aumenta la probabilità dei pazienti di arrivare almeno 15 minuti prima dell'orario dell'appuntamento programmato?

Piano di analisi:

Gli investigatori utilizzeranno regressioni dei minimi quadrati ordinari (OLS) con errori standard robusti per predire le variabili di outcome. Le inferenze statistiche saranno basate su errori standard robusti al modello raggruppati a livello dell'edificio della clinica, che è l'unità di randomizzazione. Tutte le analisi saranno condotte a livello dell'appuntamento. Il predittore primario sarà un indicatore per se la clinica del paziente è stata assegnata alla condizione di trattamento dell'orario di arrivo (vs. controllo standard dell'orario dell'appuntamento).

Queste regressioni saranno eseguite con e senza le seguenti variabili di controllo:

• Età del paziente (Se ci saranno valori mancanti, gli investigatori li sostituiranno con la media e aggiungeranno una variabile dummy per indicare i pazienti con età mancante)
• Genere del paziente
• Razza/etnia del paziente
• Puntualità del paziente: La proporzione degli appuntamenti di persona con un medico del paziente presso la stessa clinica nei 36 mesi precedenti l'inizio della prova per i quali sono arrivati in orario (I pazienti senza appuntamenti completati durante questo periodo avranno dati mancanti. Per questi casi, gli investigatori imputeranno la media del campione e aggiungeranno una variabile dummy per indicare questi pazienti). Se non possiamo avere la storia delle visite del paziente per 36 mesi prima dell'inizio della prova, controlleremo invece la proporzione degli appuntamenti di persona con un medico del paziente presso UCLA Health (in tutte le cliniche) per i quali sono arrivati in orario (escludendo gli appuntamenti senza prenotazione)
• Tipo di visita (adulto vs bambino; nuovo vs. di ritorno)
• Un indicatore per se la clinica operava utilizzando programmi di appuntamenti in slot di 15/30 minuti o 20/40 minuti
• Tipo di assicurazione (Medicare tradizionale, Medicare Advantage, Medicaid, Commerciale, altro/sconosciuto)
• Punteggio di multimorbilità (Se ci sono valori mancanti, gli investigatori li sostituiranno con la media e aggiungeranno una variabile dummy per indicare i pazienti con un punteggio di multimorbilità mancante)

• I seguenti indicatori binari mutualmente esclusivi per tenere conto delle differenze in (1) se un appuntamento è stato programmato prima che la funzionalità dell'orario di arrivo fosse implementata e (2) quanto in anticipo un appuntamento è stato programmato:

  • Programmato prima dell'implementazione della funzionalità: Indicatore per gli appuntamenti che sono stati programmati prima che la funzionalità dell'orario di arrivo fosse implementata
  • Programmato >7 giorni in anticipo: Indicatore per gli appuntamenti programmati in o dopo la data di implementazione con più di 7 giorni tra la programmazione e la data dell'appuntamento.
  • Programmato 1-7 giorni in anticipo: Indicatore per gli appuntamenti programmati in o dopo la data di implementazione con 1 a 7 giorni tra la programmazione e la data dell'appuntamento.
  • Programmato <1 giorno in anticipo: Indicatore per gli appuntamenti programmati in o dopo la data di implementazione con meno di 1 giorno tra la programmazione e la data dell'appuntamento.

Come analisi esplorativa, gli investigatori esamineranno gli effetti del trattamento solo tra gli appuntamenti programmati in o dopo la data di implementazione della funzionalità, poiché le notifiche di testo di conferma dell'appuntamento ricevute da quei pazienti rifletteranno il disegno sperimentale.

Per controlli di robustezza, gli investigatori condurranno modelli logit per outcome binari e ristimeranno i modelli per l'outcome continuo dell'orario di arrivo al 1° e 99° percentile (che è un intervallo di winsorization più ampio dell'intervallo specificato nella sezione dell'outcome primario più avanti).

Nota: Alcuni pazienti potrebbero avere più incontri idonei durante la finestra dello studio. Le analisi principali includeranno solo il primo incontro per paziente. Le analisi esplorative valuteranno se includere incontri successivi cambia i risultati.

Per testare effetti di trattamento eterogenei, gli investigatori stimeranno modelli di interazione in cui l'indicatore di trattamento è interagito con caratteristiche del paziente, della visita o della clinica. Gli investigatori analizzeranno i seguenti moderatori:

• Puntualità a livello di paziente come definita sopra (Per tenere conto dei valori mancanti, i modelli di regressione interagiranno l'indicatore di trattamento sia con il tasso di puntualità imputato che con l'indicatore di mancanza)
• Quante volte i pazienti hanno partecipato a un appuntamento con un medico presso quella stessa clinica nei 36 mesi precedenti l'inizio della prova
• Se il reparto della clinica programma appuntamenti in slot di 15/30 minuti o 20/40 minuti
• Tasso di puntualità di base della clinica: percentuale di appuntamenti che sono stati in orario (presentati ≤ 0 minuti in ritardo) nei sei mesi precedenti la prova
• Tipo di visita (adulto vs. bambino)
• Tempo di programmazione dell'appuntamento (quattro sottogruppi mutualmente esclusivi): Se l'appuntamento è stato programmato prima che la funzionalità dell'orario di arrivo fosse implementata vs. è stato programmato dopo l'implementazione della funzionalità ma più di 7 giorni prima della data della visita programmata vs. 1-7 giorni, vs. <1 giorno prima della data della visita programmata.
• Punteggio di multimorbilità (Per tenere conto dei valori mancanti, i modelli di regressione interagiranno l'indicatore di trattamento sia con il punteggio di multimorbilità imputato che con l'indicatore di mancanza)

Gli investigatori condurranno ulteriori analisi esplorative per esaminare potenziali conseguenze a valle dell'intervento:

1. Partecipazione all'appuntamento Gli investigatori esploreranno se la condizione di trattamento influisce sui tassi di mancata presentazione rispetto alla condizione di controllo. Mostrare esplicitamente un orario di arrivo richiesto precedente potrebbe potenzialmente aumentare le mancate presentazioni se alcuni pazienti credono di aver già perso la loro finestra di appuntamento o si sentono scoraggiati dal venire quando si rendono conto che non possono arrivare entro l'orario richiesto.

2. Soddisfazione del paziente:

   Gli investigatori esploreranno se l'assegnazione alla condizione di trattamento influisce sulle valutazioni di soddisfazione del paziente nei sondaggi post-visita, concentrandosi su due outcome binari che consentono un'analisi intention-to-treat:

   A. Se il paziente lascia una recensione negativa (questa variabile è uguale a 1 se il paziente dà 1 o 2 stelle su 5 stelle e 0 se il paziente dà una valutazione a stelle più alta o non fornisce una valutazione a stelle) B. Se il paziente lascia una recensione positiva (questa variabile è uguale a 1 se il paziente dà 5 stelle e 0 se il paziente dà una valutazione inferiore o non fornisce una valutazione a stelle).

   Gli investigatori condurranno analisi testuali dei commenti qualitativi dei pazienti nei sondaggi per valutare il sentimento e le fonti di preoccupazioni o complimenti.

3. Annullamenti di appuntamenti Gli investigatori testeranno se la condizione di trattamento influisce sui tassi di cancellazione rispetto alla condizione di controllo. Questa analisi aiuterà a determinare se l'inquadratura "Arriva entro" abbia qualche effetto non intenzionale sulla probabilità dei pazienti di cancellare piuttosto che partecipare al loro appuntamento.
4. Metriche del flusso di lavoro della clinica:

Gli investigatori esamineranno se il trattamento influenza le seguenti due metriche operative all'interno della clinica:

A. Tempo in sala del paziente: il numero di minuti tra la presentazione del paziente e il momento in cui viene collocato nella sala visita.

B. Orario di ingresso del medico nella sala visita: il numero di minuti tra l'orario dell'appuntamento programmato e quando il fornitore entra nella sala.

C. Tempo tra la presentazione e l'ingresso del fornitore: Numero di minuti tra la presentazione del paziente e il momento in cui il fornitore entra nella sala visita.

Gli investigatori utilizzeranno regressioni quantili per questa serie di analisi. Queste misure esplorative forniscono informazioni sul fatto che una puntualità migliorata si traduca in un flusso più fluido della clinica o cambiamenti nel tempo di attesa del paziente. Queste misure sono probabilmente rumorose in quanto il momento in cui i pazienti vengono collocati nella sala visita o vengono visitati dal fornitore non è sempre registrato in tempo reale.