証拠に基づいたリーダーシップを改善するためのオンライントレーニングコース (EVILEAD)

このクラスターランダム化研究では、ユニットリーダーを対象としたオンライントレーニングコースの有効性を評価します。 介入は、クラスターのレベル、つまりクラスター内の専門家（ユニットリーダーの教育）で提供されます。 クラスターランダム化研究は、ユニットチーム全体による証拠の適用を強化することを目的としているため、私たちの目的に適合しています。ワードユニットの個人のコレクションのグループ全体は、クラスターと呼ばれるグループでの教育的介入を受けるためにランダムに割り当てられています。

このクラスター試験は、フィンランド南部の2つのフィンランドの福祉サービス郡で実施されます。 研究のターゲットグループは、社会的およびヘルスケアセクターで管理職で働いているユニットリーダーです。

ユニットは、エビデンスに基づくリーダーシップトレーニング（実験グループ）またはパッシブコントロールグループの2つのグループにランダム化されます。 実験グループの参加者は、証拠に基づいたリーダーシップの能力を改善することを目的とした7か月のオンラインコースに参加します。

調査に参加することを示したすべての適格なユニットリーダーは、研究の連絡先（最高経営責任者）から招待メールを受け取ります。 電子メールには、研究電子データキャプチャツール（REDCAP）に情報を研究するためのリンクと電子インフォームドコンセントが含まれます。 電子インフォームドコンセントが与えられた後、RedCapはベースライン調査（特定のユニットの参加者の背景情報、ベースラインデータ）につながります。 ユニットのリーダーは、研究グループにユニットに割り当てられます。

ユニットのリーダーと同じユニットで働いているすべてのスタッフは、調査に参加するよう招待されます。 まず、スタッフは、研究の目的とその実用的な取り決めを説明するために、招待状のメール（連絡先者から送信されました）を受け取ります。 スタッフが調査に参加する意思がある場合、彼女または彼は電子コンテンツ（RedCap）を提供し、電子調査に応答しますが、オンライントレーニングには参加しません。 電子フォームに記入した後、各スタッフはユニットと同じ研究グループに割り当てられます。

結果は、個人、チーム、および組織レベルでのエビデンスに基づいたオンラインコースの有効性を評価することを目的としています。 データは、ユニットとその参加者の特性、結果データ、コースフィードバック、およびオンライントレーニングコースの実現可能性データに基づいて形成されます。 トレーニングコースの有効性に関する主要エンドポイントは、ユニットのリーダーとスタッフに投与された電子調査を使用して介入直後に測定されたベースラインからフォローアップ（7か月目）までのEBPの改善です。

分析は、治療意図（ITT）ベースで実行されます。 残差の正常性の仮定が調査されます。 ユニットと回答者（スタッフメンバー）の特性は、各グループの記述統計で要約されます。 クラスター内のすべての個人が試験に含まれます。 サンプルサイズの計算では、クラスタリング効果が想定され、ICC係数として説明されました。 データ分析のために、クラスタリング効果を考慮した混合効果モデルまたは2レベルのマルチレベルモデルが使用されます。 モデル分析では、クラスター間の結果の変動が推定され、その重要性がテストされます。 クラスター内係数（ICC）が報告されます。 結果の全体的な有効性は、クラスタリング効果を考慮した後に推定されます。 クラスターと個人の両方のベースライン情報の説明的要約は、まず要約データの表として提示されます。 介入の忠実度が主要な結果の結果に何らかの効果があるかどうかを評価するために、オンライントレーニングへの参加が低いユニットでは、感度分析が実施されます。 結果は、結果の種類に応じて、レート比、オッズ比、または最小二乗平均値の違いとの平均差を使用して表現されます。 クラスター内（またはクラス内）相関係数（ICC）も計算されます。

共変量解析は、統計モデリングにおける潜在的な交絡因子を制御するために実施されます。 参加者の年齢、性別、および返還されたタスクの数（介入グループの各参加者による）が分析に含まれます。