高齢者のオールインクルーシブケアプログラム（PACE）における認知症患者のケア（COPE）

フェーズ 1a - オンライン トレーニング プログラム - 自分のペースで学習できる 10 のオンライン学習モジュールを開発します。 これらのモジュールにより、OT と RN は参加者がいつでもどこでもコンテンツやアクティビティにアクセスして学習を支援できるようになります。 モジュールには、学習者の関心を維持するための豊富なマルチメディア コンテンツとインタラクティブな評価が含まれます。 このモジュールにより、コンテンツを最新の共有可能なコンテンツ オブジェクト参照モデル (SCORM) 仕様を含む、そのようなコンテンツの最新の相互運用性標準に簡単にパッケージ化できるようになり、他の機関との転用や共有が可能になります。

多様な学習ニーズに対応するために、モジュールは 4 つの次元のハイパーラーニング モデルを使用して設計されます。 一般的な原則は、モジュールの学習目標から始まり、主要な概念と必須および/または自主的な学習活動の復習が続きます。 モジュールのミニ講義コンポーネントには、モジュールの主要な概念に関する情報が含まれます。 モジュールは自分のペースで学習できるため、学習者は時間をかけてモジュールを学習し、組み込みのインタラクティブな学習活動を実行できます。 臨床的推論の側面は、学習者に問題解決と臨床的意思決定の機会を提供します。 この次元には、分析と統合を必要とする質問を含むビネットとケース スタディが含まれます。 最後の側面は、学習成果の評価/評価です。 この次元では、指定された学習成果の達成を評価するために、教師が作成し、標準化した事前および事後テストを使用します。 セルフペース モジュールは高度にインタラクティブで、統合されたマルチメディア コンテンツ、評価、および学習者評価を備えており、PACE スタッフが高度なレベルでコンテンツに取り組み、シミュレートされたシナリオでアプリケーションを練習できるようにします。 各モジュールは、学習者が完了するのに約 45 ～ 60 分/モジュールを必要とします。 参加者は、トレーニング カリキュラムのさまざまな時点でモジュールを個別に使用できます。または、この情報を前もってロードすることで、トレーニング時間の開始時に割り当てることができます。

モジュールを開発するために、ドレクセル大学の教育設計チームと、認知症ケアの専門家、COPEプログラム、シミュレーションの専門家、標準化された患者の使用、およびペンの看護師やその他の医療専門家のトレーニングと、2001年に集中的に作業します。トリニティ・ヘルスとジェファーソン。 モジュールには次の内容が含まれると予想されます。モジュール 2 - 配信特性の概要、RN と OT の役割、COPE プログラムの 3 つのフェーズ (評価、実装、一般化可能性)、許容される適応。モジュール 3 および 4 - 評価フェーズ、臨床面接の概要、およびすべての評価とフォーム。モジュール 5 および 6- 実施フェーズでは、介護者が 3 つの問題領域を特定するのを支援し、問題解決とブレインストーミングに取り組み、評価レポートを作成して提供し、特定された各問題領域に対する処方箋 (戦略) を提供します。モジュール 7 および 8 - 一般化フェーズ、または介護者が 1 つの問題領域に対する戦略を使用して別の問題領域に対処し、将来の計画を立てるのを支援する。モジュール 9- 信頼関係を築き、さまざまな背景、文化、生活環境、人間関係を持つ家族介護者と協力し、家族が介護と他の生活上の役割のバランスをとるのを支援し、準備のレベルによってアプローチを調整します。モジュール 10 - 困難なケース、動機付け面接、プログラムの説明方法、介護者がいる場所での出会いの方法、検証とサポートの提供方法。

各モジュールのスクリプトが作成され、研究には参加していないが Trinity PACE プログラム内で働く OT/RN と共有されます。 これにより、継続的なフィードバック ループが可能になり、シナリオが PACE スタッフのニーズを満たしていることが保証されます。 オンライン プログラムを、現在 COPE で使用されている従来の 3 日間の対面トレーニングと比較します。

3 日間のトレーニング プログラムは、以前と同様に、スライド デッキとケース プレゼンテーションを使用して、Dr. Piersol によって実施されます。 2 つのトレーニング プログラムの比較については、以下のフェーズ 2 と 3 で説明します。

PHASE 1b -The Fidelity Monitoring Program- 私たちは、計算言語学技術を使用して PACE などの現実世界の環境で COPE プログラムが実装された場合に、COPE プログラムへの忠実性を評価するためのスケーラブルなアプローチを開発しようとしています (例: 自然言語処理）。 COPE プログラムのコア原則に忠実であることの本質は、COPE セッションに含まれるべき内容と配信スタイルの両方を評価する自動分類プログラムを使用することによって捉えられます。 自動分類プログラムは、心理療法の分野で転写された物語の品質指標を測定するために適用されてきましたが (21)、品質の他の側面、つまりエビデンスに基づく実践や認知症ケアおよび介護者支援プログラムへの忠実度を測定するためには使用されていません。 自動化されたフィデリティ監視プログラムの開発は 3 つのステップで行われ、コンテンツ分析の専門家であるアニ ネンコバ博士と、音声認識と韻律のコンサルタント専門家であるマリ オステンドルフ博士で構成される技術チームによって実行されます。 Co- I Nenkova は、自動要約、自動要約の評価、読みやすさ、および言語スタイルに幅広く取り組んできました。 私たちの取り組みの最終的な目標は、COPE 配信セッションの記録 (たとえば、臨床医と介護者の間のやり取りの直後にリアルタイムで) が与えられると、3 段階のスコアを生成するシステムを開発することです。優れた」、「許容できる」または「問題のある」。 トレーニングにとって運命的ではなく、より高い忠実度で提供される介入と同じ望ましい結果を生み出さない可能性がある「問題のある」COPE忠実度を特定する精度に特に重点が置かれます。 まず、COPE インタラクションの n-best リスト音声認識を取得します。 これは、次の段階で認識エラーを軽減するのに役立ちます。 最近まで、オーディオ レコーディングの文字起こしは、特に 2 人以上のスピーカーが参加するセッションで課題を抱えていました。 音声信号と音声認識の進歩により、言語分析を自動化する技術が手の届く範囲にもたらされました。 最近の研究では、行動研究で忠実度を分類する際に、音声機能のみを使用するよりもテキストベースの機能の方が効果的である可能性があることが示唆されています (47)。 セッションの文字起こしには自動音声認識ソフトウェアが使用され、結果の単語はテキストベースの忠実度モデルで使用されます。 すべての COPE トレーニング、実践、および実装セッションは、参加者の同意を得て録音されます。 使用できる自動音声認識ツールがいくつかあります。 ドメイン内での認識精度とプライバシーのバランスが最も取れたものを選択します。トランスクリプトが取得されたら、開発して対比する 2 つのアプローチがあります。(1) 参照配信との比較、および (2) 教師付き分類アプローチです。 . 前者には、7 つの次元のそれぞれについて、少数の優れた配信といくつかの許容可能な配信のみが必要であるという利点がありますが、もう一方には、ラベル付けされたデータのより大きなセットが必要ですが、予測の精度が高くなる可能性があります。

参照との比較または類似性 (ステップ A および B): 私たちのアプローチでは、機械翻訳や自動テキスト要約など、自動生成されたコンテンツの評価で広く使用されている手法を活用します。 これらのアプリケーションでは、システムの改善を人間の品質判断で追跡することは現実的ではありません。 代わりに、進行状況のほとんどは、一連のサンプル参照テキスト間の類似性を計算することによって測定されます (つまり、 「良い」翻訳または「良い」要約とは何か) とシステム出力。 このような自動評価アプローチは、機械翻訳 (48) や要約 (49) に広く使用されています。 自動測定は、非常に良いコンテキストのレベルを区別するのに十分ではないという懸念がいくつかありますが、これらの測定は、「非常に悪い」コンテンツ (50,51)、(または忠実度の低い) を区別する強力な能力を示しており、ニーズと一致しています。私たちのプロジェクトの。

ステップ A では、「優れた」COPE 忠実度の配信の 10 の例をまとめます。望ましい側面が表現される領域が明示的にマークされます。つまり、人と環境の適合性が議論される部分、または臨床医がオープンに尋ねる相互作用の部分がマークされます。質問を終了するか、介護者が内容を理解していることを確認します。 次に、新しいインタラクションは、参照「優れた」インタラクション (52) との類似性によってランク付けされます。 ステップ 2 では、「問題のある」忠実度の配信を特定します。 「許容できる」が不完全な配達の 10 の否定的な例を使用します。 新しいインタラクションがこれらのほとんどよりも低いランクにある場合、それは受け入れられない、または「問題がある」と見なされます。 このステップでは、インタラクションに問題があると宣言するためのカットオフ レベルを決定するためのパラメーターと決定ルールが作成されます。

オーディオ録音の「優れた」忠実度評価と「問題のある」忠実度評価の決定は、Hirshman 博士と Renz 博士 (COPE の最初の開発者ではないため、独立したレビューを提供します) によって、元の臨床試験用に開発された COPE 遵守尺度を使用して評価されます。主要な治療原則が効果的に実施された程度を評価するための試験。 Adherence Scale の評価は、1.00 が完全な忠実度を表し、0.00 が完全な非忠実度を表すように標準化されています。 このスケールは、以前は NIH REACH I および II の忠実度アプローチからモデル化されていました。 組み合わされた忠実度評価からの調査結果は、ステップ C (53) でテストされる「最良のモデル」に自動化された忠実度プログラムを改良するために使用されます。

教師付き分類 (ステップ C) このアプローチでは、記録されたすべてのセッション (600 以上) を調べる必要があります。 教師あり分類器または回帰モデルをトレーニングして、特定のインタラクションのスコア (1 ～ 3、優れている、許容できる、問題があることに対応) を予測します。 ディープ ラーニング フレームワークや従来のサポート ベクター マシン、(ロジスティック) 回帰モデルなど、さまざまな分類器を試してみましょう。結果として得られる 100 個のラベル付き相互作用の最終的な検証セットは、忠実度予測に最適なモデルを完成させるのに役立ちます。

フェーズ 2 - インターベンショニストの取り込みと忠実度におけるオンライン トレーニング プログラムの評価 この研究のフェーズ 2 には、オンライン トレーニング プログラムが、インターベンショニストの COPE 原則の取り込みとフィデリティの改善において同等かそれ以上であるかどうかを評価するために設計された一連の活動が含まれます。高強度の対面式の従来の形式のトレーニングと比較したプロトコル。

フェーズ 3 (目的 3) - COPE トレーニングの種類ごとの PACE 参加者の成果に対する COPE の有効性。

この目的は、2 つの異なるトレーニング アプローチの下で COPE プログラムのダイアドの成果を評価することによって達成されます。 トレーニングの後、各 PACE 組織は 5 人の認知症患者とその介護者を研究に登録します。 これにより、50 の家族ダイアド (従来のトレーニング サイトでは 25 ダイアド、オンライン トレーニング サイトでは 25 ダイアド) が生成されます。

採用計画には、次の目標が含まれています。

2022 年 8 月 1 日までに 25% の採用を完了 2022 年 10 月 31 日までに 50% の採用を完了 2022 年 12 月 28 日までに 75% の採用を完了 2023 年 2 月 28 日までに 100% の採用を完了 2023 年 4 月 28 日までにデータ分析を完了