医学部および看護学科における専門職連携学習とヘルシー エイジング シミュレーションの有効性

デザイン: これは無作為化された対照研究です。 適格な参加者は、介入グループ (IPSE) または対照グループ (従来のコース) に 1:1 の比率でランダムに割り当てられます。 研究者は、層化なしで 4 のブロック サイズを使用します。4 人の学生の各ブロックについて、各治療に対する 2 つの割り当ての異なるランダムな順序が生成されます。 乱数の表を使用して、看護学生用と医学生用の 2 つのランダム化リストを作成します。

設定と参加者: 調査はピエモンテ東洋大学 (イタリア) で実施されます。 この研究では、看護学校の 2 年生の学生ボランティアと、医学部の 4 年生と 5 年生の学生ボランティアが、説明会を通じて募集されます。

介入: IPSE プログラムは 2 つのフェーズに分かれています: 1) ライフスタイルの変更に関する自習コースが提供されます。2) 4 つの異なる学習方法: 教訓的な講義、ロールプレイング、標準化された患者、および新しい没入型の高度なシミュレーション学習環境が提供されます。 .

データ収集: 人口統計データ (性別、年齢、教育) が収集され、割り当て前に参加者の基本的なプロファイルが取得されます。 無作為化の前とプログラムの完了後、各参加者は評価セッションを完了します。

サンプルサイズの計算: NAS/PAS スコアで 2 つの研究部門の間に差が存在しないという帰無仮説を棄却するために 80% の検出力を提供するには、最小合計研究サンプルサイズ 60 (24 人の看護学生と 36 人の医学生) が必要です。 5% の両面タイプ 1 エラー。 2 つのグループのサンプル サイズのバランスをとるために、研究者は同じ数の看護学生と医学生を募集することを決定しました。つまり、各グループに 36 人の参加者です。 フォローアップで失われた学生の 10% の許容範囲で、80 人の学生のサンプル サイズが必要であり、使用されます。

分析: すべての分析は、Intention-To-Treat (ITT) アプローチに基づいて行われます。 介入を開始しない、またはコースの 25% しか完了していない学生は分析に含まれません。 記述統計分析は、ベースラインで収集された情報を使用して、学生グループごとに個別に実施されます。 カテゴリ変数の場合、各カテゴリの参加者の数とパーセンテージが報告され、正規分布の連続変数の場合、平均値と標準偏差の値が計算されます。 データが正常でない場合、調査員は中央値と四分位範囲を使用します。 その後、連続変数を分類し、順序変数のレベルを結合して、分散データ現象の発生を回避する分析を行います。

看護学生と医学生の間のベースラインの違いを評価するために、カテゴリ変数に対して近似 (カイ 2 乗) または正確 (フィッシャー) 関連検定が実行されますが、数値変数については、研究者は独立した T 検定 (パラメトリック) またはマン・ホイットニーの U 検定 (ノンパラメトリック)。 得られた p 値の値が報告されます。

一次結果の個々の応答プロファイルが実装されます。 次に、被験者は 2 つのグループに分類されます: 正のスコアを増やす/負のスコアを減らす場合は成功し、正のスコアを減らす/負のスコアを増やす場合は失敗します。 これらのバイナリ結果と記録された変数との関連性は、適切な検定 (カイ 2 乗、Fisher Exact、T、Mann-Withey) で評価されます。 各結果について、ロバストな誤差分散を伴うポアソン回帰を使用して、それぞれの 95% 信頼区間で相対リスクが計算されます。

研究データは、REDCap31 電子データ キャプチャ ツールを使用して収集および管理され、分析は SAS バージョン 9.4 を使用して実行されます。