健康リテラシーの低い患者に対する回復強化プログラムの適応

理論的根拠: ヘルスリテラシーが低いと、外科手術人口の 3 分の 1 以上が影響を受けており、手術の結果が著しく悪化することに関連しています。 この大規模な人口における格差を減らす介入が緊急に必要とされています。 これまでの研究では、強化回復プログラム（ERP）が手術結果における人種格差を緩和し、手術格差に対処する実用的な方法を提供することが示されています。 しかし、既存のERPは、依然として悪い転帰を経験しているヘルスリテラシーの低い患者にとってはうまく機能しません。 このギャップは、現在の ERP とヘルスリテラシーの低い患者のニーズが適合していないことから生じます。 K23 補助金によるこれまでの研究では、これらのニーズを評価し、患者に VISuAl 補助具を提供し、医療提供者にコミュニケーションを指導し、組織のヘルス リテラシー (VISACT) を訓練するという、適合性を向上させるための新しいマルチレベル戦略を開発しました。 理論に基づいた適応フレームワークを使用して VISACT を提供およびテストする機会が存在します。 適応が成功すれば、既存の ERP が変革され、その格差削減効果はヘルスリテラシーの低い人々にまで広がることになる。 目的: 長期的な目的は、既存の ERP を状況に応じて適応させることで、格差を解消し、外科手術におけるヘルスリテラシーの低い人々の治療成績を改善することです。 仮説は、VISACT がヘルスリテラシーの低い患者に対する ERP コンポーネントの忠実度を向上させ、それによって手術結果を向上させるというものです。 この目的を達成するための目的は次のとおりです。(SA1) VISACT で強化する ERP のヘルス リテラシーに敏感なコンポーネントを特定する、(SA2) ERP チームのプロバイダーと組織単位のヘルス リテラシーのニーズを評価する、(SA3) の実施と試験運用既存の ERP での VISACT 実装戦略をテストします。 方法: まず、Dynamics Adaptation Process フレームワークに基づいて、大規模な ERP データベース (n>7,000) 上の機械学習を使用して、VISACT (SA1) で強化する ERP のヘルスリテラシーに敏感なコンポーネントを特定します。 第二に、収束した混合手法の統合アプローチを使用して、ヘルスリテラシーの知識、ベストプラクティス、およびERP実装チームが適応するための準備のギャップを、3つの相互に関連する手法を通じて特定します。アラバマ州の4つの施設で稼働中のERPの生体内観察、および拡張120 人の利害関係者に対する半構造化インタビュー、およびヘルスリテラシーの知識と組織の適応準備を測定する調査。 第三に、VISACT 介入は、パイロット研究における新しい対話型応答プラットフォームを通じてアラバマ州の 2 つの施設 (都市部と農村部) でテストされ、リーチ、有効性、採用、実施、および RE-AIM フレームワークを通じて実現可能性/受け入れ可能性が評価されます。メンテナンス対策。 取得されたデータは、深南部における VISACT の複数施設によるステップウェッジ試験の設計に役立ちます。 重要性：この研究は、外科的格差をなくすというNIH/NIMHDの使命を前進させ、ヘルスリテラシーの障壁を除去し（#24）、介入をさまざまな状況に適応させる科学を構築する（#30）ことによって、NIMHDの科学ビジョン研究戦略に直接対応することになる。 このプロジェクトはさらに、(i) 外科における初の健康リテラシー介入を実現し、(ii) 外科格差に対処するための新しい実施戦略 (VISACT) を確立し、(iii) 適応を通じて介入の科学を進歩させます。