監査とフィードバックを最適化し、プライマリー・ヘルスケアで証拠に基づいた実践を導入する (ACTIVATE)

研究者と専門家は、上位 7 つの AnF 介入コンポーネントを作成するための協議会議を開催します。また、BWS 調査を使用して、これらのコンポーネントを重要性に応じてランク付けし、さらに、要因試験を通じて有効性を検証するために、潜在的に最も効果的で実現可能な 3 つのコンポーネントを選択します。次のステップ。 BWS 調査は、ランダム効用理論に基づいたスクリーニング実験であり、参加者が一連のコンポーネントまたはオプションのうち最良と最悪を選択することによってトレードオフ メカニズムが引き起こされ、それによって各コンポーネントの相対的な重要性が定量化され、最も重要なものが区別されます。一連の重要なコンポーネントの中で際立っています。 BWS 質問票は、ケアの質（ガイドライン入力の完了率）の向上を決定する際に、さまざまな AnF コンポーネント（相対的重要性）を医療従事者が優先的に受け入れることを目的として、以前の研究結果に基づいた混合方法アプローチを使用して開発およびテストされます。 ）、コンポーネントの範囲から潜在的に最も重要ないくつかのコンポーネントをさらに特定するために。

Balanced Incomplete Block Design (BIBD) は、項目をブロックに編成し、参加者間で項目の提示数のバランスをとることにより結果を改善するために BWS で使用される実験計画です。これにより、研究者は一連の項目を効率的に相互に比較できます。 BIBD は、ブロック内のアイテムの出現回数が等しいことを保証し、アイテムを均等にペアにすることで、バイアスを軽減し、評価の統計的精度を高めます。 BIBD はランク付けされたアイテムの数が多いため、特に価値があります。 研究者は、項目をランダムにサブセットに分割するという典型的な方法で BWS で BIBD を使用します (つまり、 ブロック）を作成し、すべてのブロックを含むアンケートを各参加者に割り当て、堅牢な優先順位のランキングを保証します。 調査員は、SAS 9.4 ソフトウェアの %MktBSize マクロを使用して、アンケート開発用の BIBD を実現します。 私たちの研究では、7 つの AnF 介入コンポーネント (治療) について、研究者は 7 つの異なるブロックを持ち、それぞれに 3 つの AnF コンポーネント (治療) が含まれます。 研究者は、参加者に、これら 7 つの異なるブロックのうち、どの AnF コンポーネントが最も効果的で、どの AnF コンポーネントが最も効果的でないのかについて考えてもらいます。 研究者は、コンポーネントが最も効果的であると選択された場合は 1 ポイントを与え、コンポーネントが最も効果的ではないと選択された場合は -1 ポイントを与えます。 次に、各コンポーネントの標準化されたスコアに基づいて、調査員は BWS 調査から最も効果的な 3 つのコンポーネントを最終決定します。

最適化フェーズでは、AnF 介入の合計 8 つのグループを構成する 3 つの 2 レベルのコンポーネントを使用して、2×2×2 要因計画 (RCT) が実行されます。 一次医療施設および従事者から同意を得た後、すべての施設がこれら 8 つの介入グループにランダムに割り当てられます。 次に、研究者は、これらの施設でのさまざまな監査とフィードバックから医療の質の変化を測定し、統計分析を使用して、一次医療の質の向上に対する AnF コンポーネントの主効果と相互作用を推定します。 最適な AnF の組み合わせは、ローカル実装設定における効果とリソースの制約を考慮して決定されます。

研究者は、それぞれ 2 レベルを持つ次の 3 つの AnF コンポーネントが BWS 調査から選択されたと仮定しています。

1. フィードバックのソース:

   レベル 1: 研究者 レベル 2: 権威機関

2. ピア比較によるフィードバック:

   レベル 1: はい (ピア比較) レベル 2: いいえ (ピア比較なし)

3. フィードバックの配信方法:

レベル 1: 対面 レベル 2: 電子メール

8つのAnF介入グループを決定した後、研究者はプライマリ医療従事者、政策立案者、医療システム管理者を招待し、4つの異なるLMICの一次医療施設で8つのAnF介入を実施するための実現可能かつ実施可能な詳細について話し合う予定である。 施設のケアの質に関する監査結果は、施設の医療従事者にフィードバックされ、AnFの有効性を反映する成果指標が測定されます。