小児脂質スクリーニングアラートの有効性の評価

この研究の対象となる患者は、訪問時に自動的に実行される Epic 電子医療記録 (EMR) ランダム化アルゴリズムを介して、4 つのグループのいずれかにランダム化されます。

1. コントロール グループ (プロバイダーがアラートを受け取るまでに 6 か月の遅延)
2. 健康維持トピック（HMT）
3. ベスト プラクティス アラート (BPA)
4. ベスト プラクティス アラートとヘルス メンテナンスのトピック (BPA+HMT)

Geisinger Health System は、この研究の約 1 か月後に Epic のストーリーボード パネル (EMR で患者情報を要約する新しい方法) を導入します。 したがって、分析計画では、この変更の潜在的な影響をテストします。

プロバイダーは、上記のアラートに基づいて、患者との訪問時に絶食していないスクリーニング脂質研究について話し合い、注文するように求められます。 一部の家族は、MyGeisinger ポータルに、健康維持検査が予定されており、プロバイダーと話し合う必要があることを示すアラートを表示します。

結果は、次のようにレビューおよび分類されます。

結果には、プロバイダーによる脂質スクリーニングの注文 (はい/いいえ) と患者によるスクリーニングの完了 (はい/いいえ) が含まれます。 次の記述結果も提供されます。

1. 脂質スクリーニングを注文
2. 脂質スクリーニングの注文と完了
3. 脂質スクリーニングを注文したが完了していない
4. 脂質スクリーニングは理由により辞退しました
5. アラートはまったく処理されませんでした

分析では、プロバイダー内の患者のネストが考慮されます。これには、患者との潜在的な相関関係を説明するために、一連のマルチレベル二項ロジスティック回帰モデルのランダム効果変数としてプロバイダーが含まれます。 クラス内相関係数が低い場合、患者レベルのロジスティック回帰モデルのみが実施されます。 最初のモデルでは、パッシブ コントロールが参照グループとして機能し、アクティブなアラート条件のそれぞれが結果に重大な影響を与えるかどうかをテストします。 2 番目のモデルでは、BPA のみの条件が参照グループとして機能し、HMT と BPA + HMT がパフォーマンスの大幅な改善を提供するかどうかをテストします。 最後に、3 番目のモデルは HMT のみの条件を参照として使用し、BPA + HMT が結果に有意に大きな影響を与えるかどうかをテストします。 Storyboard X Condition の相互作用はモデル内でテストされ、いずれかが重要である場合、Epic での Storyboard の実装の前後に一連のモデルが患者に対して個別に実施され、異なるコンテキストで結果が複製されるかどうか、およびどのように複製されるかがテストされます。 .