AF患者の脳卒中を予防するためのEHR組み込み意思決定支援

C.2.1 特定の目的 1 - 心房細動意思決定支援ツール (AFDST) とベスト プラクティス アドバイザリ (BPA) を追加した AFDST と、患者を AF 血栓予防に紹介するための半自動化された順序セットを比較する無作為化比較有効性研究 意思決定の共有サービス。

治験責任医師は、適切な場所で適切なタイミングで適切な意思決定支援を提供することによりシステムの障壁を排除することにより、「適切な血栓予防」の割合を改善します。予防、および抗凝固療法のリスクと利点のバランスをどのように考えるか、および意思決定における患者の関与を改善することによって。

H1 - EHR 組み込み型 AFDST に BPA (AF 血栓予防共有意思決定サービスへの紹介を生成するための半自動注文セットを含む) を追加すると、EHR 組み込み型 AFDST の現在の状態と比較して、「適切な血栓予防」の率が向上します。 BPA または共有意思決定サービスなし。

研究者は、実装研究の評価のための RE-AIM フレームワークを使用して、外来サイトでそれぞれのバンドルを実装する無作為化比較試験を実施することにより、この仮説を検証します (36-41)。 結果には、有効性、リーチ、および採用が含まれます。

BPA のトリガー - 新しい AF - AF の既往歴のない患者が AF の診断を受けるたびに自動的に起動する BPA を開発します (新たに AF を発症したか、以前に AF と診断されたシステムへの新しい患者のいずれか)。 BPA は AFDST への直接リンクを提供し、初期治療のリアルタイムの意思決定サポートを提供します。

臨床リスク要因の変更 - 自動化されたプロセスを実装して、現在の治療が「最適」ではないなどのリスク要因の変更により、AFDST の推奨事項が変更された状況を特定します。 永続的な心房細動と最適でない血栓予防 - 臨床医が患者カルテにいるときに AFDST の推奨事項を確認する自動プロセスを実装します。 現在の治療法が「最適」でない場合は、BPA を生成します。 アラートを最小限に抑えるために、治験責任医師は、治療の変更によって大きな利益が得られる患者 (例: > 0.5 QALY) に対してのみ勧告を生成します。 以前の研究に基づくと、これは最も一般的にトリガーされる BPA である可能性があります。 臨床医は、BPA を再度起動するか、その患者に対する今後のアラートを抑制するかを示します。

C.2.2 特定の目的 2 - 共有の意思決定ツールとサービスの影響を評価する。

H2 - EHR に組み込まれた心房細動共有意思決定ツール (AFSDM) ツールを利用する共有意思決定専門サービスは、質の高いケアのための多くの指標を改善します。 これらには、とりわけ、意思決定の対立の減少、意思決定に対する患者の満足度の向上、患者の知識の向上、最終的な共有された治療決定の順守の向上が含まれます。

研究者は、AF共有意思決定サービスに紹介された患者の研究前/研究デザインを使用して、この仮説を評価します。 結果には、決定の質、患者の関与、および訪問の前および終了時に完了した臨床チームとのつながりの検証済みの測定が含まれます。

アプリケーション ソフトウェアの開発 - AFSDM アプリケーションは、AF 関連の脳卒中リスク、治療オプション、およびそのリスクと利点に関する患者教育を、脆弱な集団に過度に影響を与える可能性のある治療への障壁を考慮した包括的な方法で提供します。 AFSDM は、個々の患者の好みと健康状態の値、および患者固有の EHR データを使用して推奨事項を生成します。

共有意思決定サービスの提供 - AF 血栓予防の共有意思決定サービスを開発し、血栓予防の意思決定を自分で行うことに抵抗のある臨床医向けにします。 これらのサービスは、UC Health 抗凝固クリニックにあります。

このサービスへのアクセスを容易にする - AFDST を使用して、治療の変更によって利益が得られる可能性のある患者を特定し (上記の BPA のトリガーを参照)、紹介プロセスを簡素化するための電子サポートを組み込みます。

BPA は、臨床医が血栓予防の決定に直接対処するか、患者を適切な AF 血栓予防共有意思決定サービスに簡単に紹介するオプションを提供します。

臨床医は、Shared Decision-Making Service に治療の決定と治療の処方を依頼するか、または紹介元の臨床医への推奨のみを生成するかを指定できます。

C.3. 対象集団: 診療所、臨床医、患者 - UC Health のプライマリ ケア ネットワーク (PCN) は、シンシナティおよびトライステート エリアにある 20 のプライマリ ケア プラクティスと 144 人の臨床医で構成され、69,000 人以上の患者にサービスを提供しています。 実践には、2 つの都市レジデンシー トレーニング サイト (内科および医学 - 小児科)、UCMC 内科学部の実践、およびバーネット家庭医学の実践が含まれ、これらはすべて、脆弱な患者集団にサービスを提供しています。 すべての診療所と入院施設は、共通の EHR として Epic® を使用しています。 大学の医療情報センター (CHI) には、医療システムの臨床情報を含む集中型データ ウェアハウスが収容されています。 UCMC は、ケンタッキー州北部とインディアナ州南東部を含むシンシナティ大都市圏の脆弱な患者集団にサービスを提供する 630 床 (うち 283 床は成人の医療/外科病床) を備えた 3 次/4 次医療センター、セーフティネット施設です。 したがって、研究者は合計 144 人の外来臨床医を推定し、この研究に無作為化する資格があります。 研究者は、都市部の住民と農村部のアパラチア人の両方を含む多様な民族的および社会人口学的患者ベースにサービスを提供しています。 UC Health AF コホートにおける黒人患者の全体的な割合は 32% ですが、4 つのプライマリ ケア プラクティス (3 つの UCMC 病院ベースのサイトと 1 つのコミュニティ サイト) は、711 人の AF 患者をケアしており、不釣り合いに大きな割合を占めています (47%)。 - 黒人患者の 58%)。 患者の 40% がメディケイドまたはマネージド メディケイドの保険に加入しており、30% がメディケアまたはマネージド メディケアの保険に加入しています。 2%は無保険です。

C.3.1. 外来研究施設 - 外来訪問は、UC メディカル センター病院のプライマリ ケア プラクティスおよび薬剤師が配置された抗凝固クリニックで行われます。 前述のように、BPA は、AFDST が現在の治療法とは異なる最適な治療法を提案し、現在の治療法を変更することで 0.5 QALYs を超える利益が得られる患者に対してのみ発動します。 以前の外来受診ですでに勧告が発令されている場合、主治医がアラートの再発を許可するように要求しない限り、治験責任医師は BPA が再び発火するのを防ぎます。

C.3.2. 推定患者数 - UC Health EHR から取得した最近のデータでは、UC Health システムでこれらの基準に適合する約 4,700 人のアクティブな患者が特定されました。 以前の研究に基づくと、UC Health AF コホートでは、患者の 41% が「最適ではない」血栓予防を受けており (1,927)、そのうちの 49% (944) は、「最適な治療」を受けた場合、0.5 QALY 以上を得ることができました。 ." 控えめに言って、研究者は、18 か月の計画登録期間中に 800 人の患者 (2 つの研究群のそれぞれに 400 人) の登録を推定しています。 さらに、AF の新しい診断を受けた約 1,460 人の患者が、直近の暦年に見られました。 これらの約 80% は、AF の以前の診断でシステムに入る新しい患者であり、約 20% は、新たに発生した AF の確立された患者でした。 したがって、研究者は、AF の以前の診断を受けた約 1,215 人の患者が毎年システムに流入すると予想しています。 これらのうち、およそ 245 (1,215 x .41 x .49) 現在の血栓予防法を変更することで大幅な利益が得られる可能性があり、必要に応じて各研究群でさらに 122 人の患者が発生する可能性があります。 それでも治験責任医師は、患者登録のマイルストーンを達成していないことに気付いた場合、QALY で予想されるゲインの BPA トリガーしきい値を 0.5 から合理的ではあるが小さいゲインに引き下げます。

C.4. 研究デザインと方法 C.4.1. AFDST の設計 - AFDST の現在のバージョンは、患者の EHR 記録内でアクティビティ ボタンをクリックすることによって起動される外部 Web アプリケーションです。 Clarity® データ テーブルのセットで構成される AF データ マートが維持され、24 時間ごとに更新されます。 包含基準および除外基準に適合するすべての UC Health 患者は、データ マートにあります。 脳卒中リスク (CHA2DS2VASc(18))、大出血 (HASBLED(19))、および脳内出血 (29) を計算するために必要な情報は、アクティブな問題リストと検査値と臨床値の組み合わせを使用して抽出された後、データマートに含まれます。測定。 これらのデータは、ツールの起動時に AFDST に事前入力されます。 研究者は臨床医に、間違っていると思われる危険因子を追加または削除して、この情報を検証するよう依頼します。 また、危険因子を変更して、ツールを使用して別の臨床シナリオを探索することもできます。 脳卒中のリスクと出血のリスク (頭蓋外および頭蓋内) は、各治療の有効性と相対的な危険性を適切に測定することによって修正されます。 HASBLED スコアを計算するために必要な治療範囲内の時間は、Rosendaal らの方法と同様に、過去 1 年間の国際正規化比率値を補間することによって決定されます (42) 現在の抗血栓療法 (経口抗凝固薬または抗血小板療法)アクティブな薬剤リストから取得されます。 治療の有効性と、大出血や頭蓋内出血を含む合併症の相対リスクは、一般集団における新しい薬剤のメタ分析 (43, 44) およびネットワーク メタ分析 (45) を含む最新の文献によって通知されます。 DOAC を相互に比較する直接的な試験が存在しないことを考えると、文献の体系的なレビューとともに高齢者 (46, 47) に適用されます (10, 48) 腎機能に基づく特定の DOAC の推奨を回避するためのロジックが含まれており、必要に応じて特定の代替投与の推奨を提供するための決定支援も含まれています (例えば、年齢と体重に基づく)。

C.4.2. 目的 1 の研究デザインの詳細 - 研究の開始時に、研究者は、AF データ ストア内のすべてのプライマリ ケア患者にアクセスすることにより、UC Health プライマリ ケア ネットワークにおける現在の血栓予防の実践のスナップショットを作成します。 調査官は、これには約4,700人の患者が必要になると見積もっています。 治験責任医師は、これらすべての患者に対して AFDST を実行し、現在の抗血栓療法と AFDST が推奨する治療を比較して、推奨される抗血栓療法を受けているこのコホートの割合を確認します。 これにより、ケアギャップの最新の推定値と、この介入による転帰改善の可能性が得られます。

臨床医が AF 患者のカルテにいる場合、AFDST はバックグラウンドで実行され、現在の血栓予防が変更された場合に患者が 0.5 QALY を超えるかどうかを判断します。 患者が通常の治療を受けているか、積極的な介入試験を受けているかに応じて、非表示のベスト プラクティス アドバイザリまたは実際のベスト プラクティス アドバイザリがトリガーされます。 これにより、患者は自動的に研究に登録され、この訪問はインデックス訪問として記録されます。

何らかの理由で、上記の計画の完全な機能を実装できない場合は、次のより手動の代替計画に進みます。 各週の終わりに、AF データマート内のすべての患者のレポートを生成します。これらの患者のうち、GIM の参加者または UC Health のプライマリ ケア医のいずれかによるプライマリ ケアの訪問がありました。 これらの各患者に対して AFDST を実行し、現在の血栓予防が変更された場合に 0.5 QALY を超える推定利益が得られるかどうかを確認します。 それらの患者は研究に登録され、この訪問は彼らの最初の訪問として記録されます。 さらに、PI、プロジェクト マネージャー、研究看護師は、登録患者が救急科を受診したり、UCMC に入院したりするたびに、Epic アラートを受け取ります。 このアラートをトリガーとして使用して、これらの患者のカルテを確認し、有害事象 (AE) の発生を評価します。 この情報は、症例報告フォームに記録されます。 特定の目的 2 の結果は、研究の最後に決定されます。

C.4.4. 一次結果のサンプル サイズの計算 - すべてのサンプル サイズの推定値は、両側、アルファ = .05 で 90% の検出力を想定しています。 有意性テスト。 AFDSTグループ（現在の状態）については、同様の過去の評価に基づいて、「最適ではない」治療を受けた患者の4％以下が、AFDSTによって決定された「適切な血栓予防」に切り替えられると想定しています. この 4% の率を考えると、BPA も投与されているグループで「適切な血栓予防」への 10% の変更率を検出するには、各グループで 397 人の患者を個別にサンプリングする必要があります。 また、AFDST グループの 4% という推定値は、より低い率が観察される可能性が高いため、他のグループで検出可能な率が低下するという点で楽観的であると考えていることにも注意してください。

C.4.5. 「適切な血栓予防」における推定変化の臨床的意義 - 現在、米国の 220 万人の心房細動患者を考えると、研究者が適切な血栓予防で 10% の改善を示すことに成功した場合、BPA による心房細動の意思決定支援の広範な実施がもたらされる可能性があります。 44,000 人以上の患者の治療が改善され、QALY が 22,000 以上増加しました。 同様に、AF Shared Decision-Making サービスの追加による 18% の改善により、約 80,000 人の患者の治療が改善され、人口は約 40,000 QALY 増加します。

C.4.6. 目的 2 の研究デザインの詳細 - 目的 2 は、心房細動共有意思決定ツール (AFSDM) と、このツールを使用して紹介された患者を共有決定に関与させる AF 血栓予防共有意思決定サービスの開発と評価に焦点を当てています。 AF血栓予防治療の選択肢について話し合います。 これらの目標を達成するために、研究者は次の具体的な手順を提案します。

AFSDM の開発 - 前述の AFSDM のパイロット/実現可能性調査では、研究者は Visual Basic® で書かれたソフトウェア アプリケーションである Gambler® (1992 年に PI と元研究員によって開発された) を使用して、患者の価値観と好みを評価しました。標準的なギャンブル技術 (35) これは、最新の Web ベースの言語を使用して再プログラムし、AFSDM に統合する必要があります。 AFSDM は、次のプロセスを統合します - 1) 健康状態 (主要な頭蓋外出血イベントの例としての主要な胃腸出血、軽度および主要な長期の神経学的後遺症を伴う脳卒中、毎月または必要な薬 [ワルファリン] の服用) のユーティリティ評価。 INR と投与量の調整を確認するための隔月の診察); 2) 治療のリスクと利点に関する患者と家族の教育。 3) 患者固有の意思決定分析の実施。 4) 結果のリアルタイム通信。 研究者は、標準的なギャンブル手法を使用して、関連する健康状態の有用性評価を実行します.(35) これは、意思決定分析における健康転帰に対する患者の価値観と好みを評価するために一般的に使用される検証済みの方法です。 リスクに対する態度は、この手法を使用して効用評価に総合的に組み込まれるため、リスクを伴う選択に特に適しています。 調査員は、これらの評価をコンピューター化し、意思決定支援ツールとシームレスに統合するソフトウェアを開発します。 研究者は、心房細動関連の脳卒中リスク、利用可能な治療、およびそれらの治療のリスクと利点について患者に知らせるために、共有意思決定サービスで使用するための教育資料を含めます。 さらに、研究者は、多くの患者にとって、決定分析の結果は、さまざまな DOAC の間で明確な最善の治療の推奨を支持しないだろうと予想しています。 図 1 の仮想患者のレポートに示されているように、アピキサバン ダビガトラン、リバロキサバン、およびエドキサバンの質調整平均余命は、互いに 0.1 QALY 以内に収まります。 意思決定分析の観点からは、これらはすべて合理的な選択です。 したがって、この患者にとって最良の選択は、より微妙な考慮事項も考慮する必要があります。 患者が治療の有効性と副作用を超えて意思決定において重要であると感じる要因を評価する調査チームによる以前の研究に基づいて、これらには - 自己負担費用、投与頻度 (例えば、毎日または 1 日 2 回)、中和剤の利用可能性が含まれます。 、食物と一緒に摂取する必要がある、食物と薬物または薬物と薬物の相互作用が複雑である、および定期的に血液検査を行う必要がある (例えば、INR のために月に 1 回または 2 回の訪問)。図 2 は、これらのより微妙な問題の議論をサポートするために提供されるカスタマイズされた情報の種類を示しています。 上記のプラカードには相対的な費用が示されていますが、調査員は、保険プラン、補償範囲、および薬局に応じて、これらのエージェントの各患者の自己負担費用に関する特定の情報を取得する予定です.

AFSDM に埋め込まれた患者のための教材 - 以前のコンピューター化されたユーティリティ評価ツール「ギャンブラー」の全体構造と内部ロジックを利用して、研究者は現在の Web ベースのクライアント サーバー プログラミングの進歩を利用する新世代のツールを開発します。とマルチメディア技術 (49) 共有意思決定訪問では、AFSDM を使用して、次の 4 つの健康状態/臨床転帰について有用性の評価が行われます。 調査員は、テキストやマルチメディアなど、ユーザーが選択したさまざまな形式で健康状態の説明を提供します。 調査員は、専門の患者または撮影に同意した実際の患者を使用して、これらの健康状態のそれぞれについてメディア クリップを撮影します。 標準的なシナリオの説明には、健康状態が身体能力、ライフ スタイル、および役割機能に与える影響が含まれます。 以前の患者フォーカス グループでは、患者は、自分と同様の民族性、性別、および相対的な年齢の患者から情報を受け取ることを好むと私たちに話しました。 したがって、研究者はマルチメディア クリップのライブラリを開発し、患者が同じ性別、人種、年齢範囲 (制限内) の患者から健康状態のシナリオの説明と臨床情報を自動的に受け取るようにします。 治験責任医師は、患者が自宅からアクセスできるさまざまなサイトへのウェブリンクや、AHA の AFib タウンなどの地元の図書館へのウェブリンクを提供するなど、追加の自主的な患者教育の機会も提供します。

AF 血栓予防共有意思決定サービスの開発と実施 - 全国の抗凝固クリニック (いわゆる「クマジン クリニック」) は、患者がワルファリンから DOAC による治療に移行するにつれて、新しいビジネス モデルを模索しています。 これらの薬剤師が常駐するクリニックは、患者が意思決定を共有するのに理想的です。 彼らの専門知識は、DOAC の不適切な使用と投与に関する懸念の高まりにも対応します。 実装には、持続可能なビジネス モデルの開発が必要です。 AFSDMの使用における抗凝固クリニックの専門スタッフの教育;これらのサービスの利用可能性についての臨床医へのアウトリーチ。

C.4.7. 健康格差 - 黒人患者やその他の脆弱な集団の健康格差に対処するために、抗凝固療法の割合が低下するため、提案は予防とケアの連続体に沿った複数のポイントに介入します。 まず、研究者は、医療システムにおいて脆弱な人々にケアを提供する複数の診療所で介入を実施します。 次の大きなギャップは、患者固有の要因に関連しています。 調査員は、経済的、教育的、アクセス、および黒人患者やその他の過小評価されているマイノリティの治療に対するその他の障壁に包括的かつ注意を払います。 たとえば、研究者は、患者の人種、性別、年齢に一致する専門の患者を使用して作成した一連のオーディオ/ビデオ クリップを使用して、患者の価値観と好みを取得している健康状態の説明を提供します。 共有された意思決定の議論では、各医薬品について臨床検査を行う頻度などの問題にも焦点が当てられます。 ワルファリンが処方されている場合のように、月に 1 ～ 2 回クリニックに行く必要があるのは、医師の診察を受けるためにバスで 3 時間かかる人にとっては現実的ではないかもしれません。 議論のもう一つのトピックは、食事制限です。 ビタミン K 含有量が高いため、ケールやコラードなどの緑色の葉物野菜はワルファリンの有効性を妨げる可能性がありますが、DOAC には影響しません. 自己負担額と適切な健康保険の利用可能性も、特定の治療法に向かうか、それとも遠ざかるかの決定を後押しする可能性があります。 これらの詳細に注意を払うことで、すべての患者集団に対する介入の有効性が向上します。

C.4.9. 意思決定の競合に対する共有意思決定相談の影響のサンプルサイズ計算 - 調査員は、共有意思決定訪問の経験を評価する研究で、これらのサービスに紹介された患者に登録を提供します。 次の数値は、30% の控えめな登録率 (そのグループの 400 人の患者のうち 120 人) に基づいており、事前対事後に対する対応のある t 検定を使用して、研究者が検出できる意思決定の競合の最小点の変化を示しています。両側アルファ = .05、 そして90%のパワー。 予備研究では、訪問前の意思決定の対立の平均スコアは 31 (100 点満点)、訪問後の平均スコアは 9 でした。平均変化は 22.3 (95% CI、17.2 - 27.3) で、変化の標準偏差がありました。 20の。 これらのパラメーターを使用して、調査員は決定の競合の平均改善を6.0ポイントと小さく検出できました。これは、最小限の重要な変更（33）よりわずかに大きいですが、予備研究で見られた22.3の平均変更よりもはるかに小さい. 示された数値は、検出力をわずかに増加させる共変量の効果、または検出力をわずかに減少させるクラスタリングの効果を考慮していません。

C.4.10. データ分析計画 - データは、Microsoft SQL™ を使用して UC Secure Data Center に保存され、Center for Health Informatics によって管理されます。 研究者は、一意のコード化された患者 ID を使用して、統計分析のために必要に応じて SAS データ ファイルを作成します。 関心のある主な結果は、「適切な血栓予防」です。 治験責任医師は、各研究群における「適切な血栓予防」の全体的な割合を評価し、各介入後の「最適ではない」血栓予防に関する勧告および共有された意思決定協議に続く変化率を評価します。 調査員は、積極的な介入が、BPA と患者を共有意思決定サービスに紹介するオプションの両方を含むバンドルで構成されていることを認識しています。 治験責任医師はまず、医師が診察を依頼したかどうかに関係なく、2 つの試験群間の「適切な血栓予防」の違いを分析します。 治験責任医師は、調査アーム 1 (AFDST のみ) と、共有意思決定コンサルテーションに紹介された、または受けなかったスタディ アーム 2 の「適切な血栓予防」を比較する探索的分析を行い、コンサルト サービスの増分利益をよりよく理解します。意思決定支援ツールに追加された BPA に加えて、 調査官は、これらの探索的分析が決定的な結果を提供するのに十分な力がない可能性があることを認識しています.

すべての仮説は、グループとグループおよび/または共変量の効果を比較するために、継続的な尺度 (意思決定の競合スケールなど) または率 (適切な血栓予防など) をモデル化することによって対処されます。 最も単純なケースでは、これらは t 検定、独立比率のカイ 2 乗検定、またはマクネマー検定です。 患者レベルの共変量（性別、年齢、人種、ヘルス リテラシー、計算能力、CHA2DS2VASc および HASBLED スコアなど）または医師/診療所レベルの共変量（外来または入院患者の診療所、教員の医師、スタッフの臨床医、医療機関など）の追加専門）は、一般化された線形モデルを使用して達成されます。 可能な場合、研究者は、GEE アプローチを使用して、ランダム効果またはクラスターとして扱うことにより、プロバイダーおよび/またはクリニックの効果を説明します。 このようなモデルはすべて、SAS プロシージャ GLM、GENMOD、MIXED、および GLIMMIX を使用して推定できます。 サンプルサイズが許す限り、研究者は、上記の共変量と同様に、医師/診療要因と患者要因に基づいてサブグループの二次分析を行います。 各テストのアルファは両側 0.05 で、複数のテストでは調整されていません。 治験責任医師は、脳卒中や出血などの臨床転帰の簡単な記述的分析を行います。 しかし、研究者は、一連の介入後のイベント発生率の差が、臨床転帰の統計的に有意な差を示すほど大きくなるとは予想していません。

研究者は、臨床医の行動がこのプロジェクトの結果を評価する上で重要であることを認識しています。 各臨床診療には独自の文化があり、診療が変更される前に介入がフィルタリングされます。 博士。 Kues、Arduser、および Costanzo は、主要な診療担当者との半構造化インタビューと観察を通じて、さまざまな EHR 介入を通じて、AFDST を使用して診療の変更と医師の経験の実施を評価します。 インタビューは、定性的ソフトウェア分析プログラムである Nvivo® を使用して録音、コーディング、分析されます。 研究者が質的分析を通じて取り組む研究課題には、次に関する臨床医の認識が含まれます。意思決定に関する議論、4) 一部の患者について BPA を無視またはバイパスする理由、5) ツールまたは EHR およびワークフローへの統合のいずれかを改善するための提案。