제1형 당뇨병이 있는 청소년을 위한 ACT 기반 애플리케이션 (ACT)

연구 설계:

당뇨병 팀은 포함 기준을 충족하는 참가자를 선택하고 팀에서 정보 전단지를 제공합니다. 정보 시트에는 질문이 발생할 경우 연구팀의 연락처 세부 정보와 연구와 무관한 사람의 연락처 세부 정보가 포함됩니다. 13-16세 자원봉사자의 부모/보호자도 정보 전단지에 액세스하여 자녀가 참여하기로 자원한 연구에 대해 알 수 있습니다. 정보 전단지는 동의와 관련된 정보를 제공합니다. 정보 시트에는 당뇨병 팀에서 선택한 환자가 자발적으로 앱(SweetSpot)을 다운로드할 URL(Uniform Resource Locator)이 포함됩니다.

개인이 응용 프로그램을 다운로드하거나 대학에서 Android 장치를 제공하면 자신, GP 및 당뇨병 팀의 연락처 세부 정보를 제공해야 합니다. 이것은 GP가 환자의 참여를 알 수 있도록 하고 연구팀이 개인에 대해 우려 사항이 있는 경우 당뇨병 팀에 알릴 수 있도록 합니다. 또한 참가자는 연구 전반에 걸쳐 관련 발전 사항에 대해 알 수 있으며 이는 연구 결과를 전파하는 포럼이 될 수 있습니다.

식별 가능한 모든 데이터는 안전한 로컬 서버와 암호로 보호된 데이터베이스에 전자적으로 저장됩니다. 이 데이터베이스에서 제거된 모든 데이터는 두 데이터 세트를 연결하는 고유 식별자(UID)를 통해 부분적으로 식별 가능합니다. 완전히 익명화된 데이터에 대해 분석이 수행됩니다.

연구 참여를 자원한 참가자는 약 4주 동안 앱을 사용할 수 있으며 앱의 타당성과 사용자 친화성에 대한 피드백을 제공하기 위한 인터뷰에 참석해야 합니다. 앱을 통해 동의를 얻을 뿐만 아니라 이 단계에 참여하는 환자는 포커스 그룹 참여에 동의합니다.

또한 현장의 임상의는 임상의가 앱과 상호작용할 수 있는 워크숍을 알게 될 것입니다. 이것은 연구를 설명하는 회의에 수석 조사관이 참석하기 때문입니다. 후속 이메일은 정보 시트와 함께 팀에 배포되며 임상의는 자원하여 워크숍에 참석하여 앱을 사용하고 SweetSpot의 수용 가능성과 실행 가능성에 대한 피드백을 제공할 수 있습니다. 워크숍에서 임상의의 동의를 얻습니다.

각 개인이 따르는 일반 형식에는 "당뇨병 자가 관리를 위한 ACT" 매뉴얼에서 채택된 개별 세션이 포함된 6개의 챕터가 포함되어 있습니다. 여기에는 다음이 포함됩니다.

1장 - 문제 식별.

• 정보, 동의 인구 통계 및 기본 설문지.
• 장벽이 우리를 인도하는 자기 관리의 장벽.
• 장벽에 대응.

2장 - 기꺼이 하기 위한 선택.

• 다른 것을 시도하고 있습니다.
• 투쟁을 포기합니다.

3장 - 우리에게 중요한 것.

• 우리가 움직이는 방향을 알아차리기.
• 우리의 방향을 선택합니다.

4장 - 우리가 관심 있는 것을 향해 나아가는 방법.

• 우리의 가치를 향해 나아가고 있습니다.
• 원하는 방향으로 이동하는 데 방해가 됩니다.
• 우리의 투쟁을 인식합니다.

5장 - 장애물에 유연하게 대처하는 방법

• 학교.
• 대학교.
• 일하다.
• 사교.
• 가족.
• 관계.

6장 - 계속해서.

• 궤도를 유지하는 방법.
• 작동하는 것을 선택하십시오.

연구 모집단:

참가자들:

이 연구는 NHS Lothian, NHS Glasgow & Clyde, NHS Fourth Valley, NHS Dumfries & Galloway, NHS Borders 및 NHS Lanarkshire에서 12명의 참가자를 모집하는 것을 목표로 합니다.

참가자 식별:

관련된 NHS 위원회의 당뇨병 팀의 임상의는 포함 기준을 충족하고 동의를 제공할 자격이 있는 환자를 식별합니다. 이 참가자들은 정규 NHS 클리닉 약속에 참석할 때 정보 전단지를 제공받을 것입니다. 선정된 자원 봉사자 샘플이 SweetSpot을 시범 운영합니다. 정보 전단지는 16세 미만 환자의 부모/보호자에게 제공됩니다. 수석 조사관과 연구 팀에서 독립된 사람의 이메일 주소도 정보 전단지에 포함됩니다.

동의 절차:

URL이 포함된 정보 시트에는 SweetSpot을 다운로드하는 경우 연구 목적으로 기록 및 사용되는 SweetSpot 사용 경험을 피드백하기 위한 인터뷰에 참여하는 데 동의하는 것으로 명시되어 있습니다. 참가자는 인터뷰를 준비할 수 있도록 이메일 또는 전화번호를 제공해야 하며, 향후 연락을 위해 연구와 관련된 추가 정보를 사용할 수 있게 되면 이를 알리고 결과를 이메일을 통해 배포할 수 있습니다. 수석 조사관은 당뇨병 네트워크의 심리학자들에게 연구를 소개하고 연구에 관심을 보인 당뇨병 팀을 방문하여 전체 팀에게 더 자세히 설명합니다. 이 외에도 SweetSpot을 소개하고, 임상의가 SweetSpot을 사용할 수 있게 하고, 앱의 수용 가능성, 타당성 및 사용자 친화성에 대한 임상의의 피드백을 생성하는 교육 워크숍과 관련하여 이메일이 NHS 당뇨병 임상의에게 전파될 것입니다. 워크숍에는 임상의가 워크숍에 참석함으로써 연구 목적으로 기록 및 사용될 SweetSpot 사용 경험을 피드백하기 위해 포커스 그룹에 참여하는 데 동의한다는 정보 전단지가 있을 것입니다. 워크샵에서 완료됩니다. 대상 사용자 및 서비스 공급자와 협력하여 조형 작업을 수행하는 것이 중요하다고 생각했습니다. 참가자는 워크숍 및 포커스 그룹 전에 동의서를 작성해야 합니다. 그들은 앱을 다운로드하기 위해 자원한 후 두 가지 문제에 대한 동의를 제공해야 합니다. 1. 자신, GP 및 당뇨병 팀의 연락처 정보 제공에 동의, 2. 데이터가 연구 목적으로 사용되는 데 동의. 이 두 가지 문제에 동의하지 않으면 앱 콘텐츠에 액세스할 수 없습니다.

앱 내에서 동의를 다루는 직접적인 질문이 있습니다.

1. 귀하의 당뇨병 팀이 귀하의 이 연구 참여에 대해 알리고 귀하의 웰빙에 대한 우려가 발생할 경우 추가 연락을 취하는 데 동의하십니까?
2. 이 연구에서 귀하의 데이터가 연구 목적으로 사용되는 것에 동의하십니까? 참가자가 질문 1 또는 2에 아니오로 응답하면 앱에 액세스할 수 없습니다. GP와 당뇨병 팀은 여전히 ​​연구 참여에 대한 정보를 받을 것입니다. 건강 관리 팀이 잠재적 참가자에게 제공하는 정보 전단지도 동의 문제를 다룰 것입니다.

정보 시트의 진술은 또한 다음과 같이 명시합니다.

앱을 다운로드함으로써 귀하는 "연구 중에 수집된 내 의료 기록 및 데이터의 관련 섹션이 스폰서(에든버러 대학교), NHS 조직 또는 기타 당국의 개인이 볼 수 있음을 이해합니다. 이 연구에 참여하는 것과 관련이 있습니다. 나는 이 사람들이 내 기록에 접근할 수 있도록 허락합니다."

데이터 수집:

고유 식별자(UID)가 각 참가자의 데이터에 할당됩니다. 모든 데이터는 암호화된 방화벽으로 보호되는 안전한 로컬 서버와 암호로 보호되는 데이터베이스에 전자적으로 저장됩니다. 자가 모니터링 행동에 대한 적용의 효과를 평가하는 데 사용되는 측정은 혈당 측정, 인슐린 주사, 식이 요법 및 신체 운동에 대한 자가 보고를 매일 전가하는 것입니다. 결과 측정은 웰빙, 당뇨병 관련 고통 및 자기 관리 행동입니다.

정성적 데이터를 위한 데이터 분석:

인터뷰와 워크숍은 필사되며 오디오 녹음은 삭제됩니다. 워크숍에는 프레임워크 분석이 활용됩니다. 해석적 현상학적 분석이 인터뷰에 사용될 것입니다. 이는 이러한 유형의 분석이 주제에 대한 신념과 태도를 이해하려고 시도하는 현상학적 사고 학파 내에 있기 때문입니다. 따라서 참가자가 자신의 경험에서 진실을 보고한다고 가정하는 현실주의적 접근 방식을 채택합니다. 현실주의 프레임워크 내에서 해석이 데이터에 근거하도록 보장하기 위해 귀납적 접근 방식이 채택됩니다. 연구 질문뿐만 아니라 참가자가 제공한 내러티브를 통해 주제를 생성할 수 있습니다. 프레임워크 분석은 정보를 해석하는 체계적인 방법을 사용하여 데이터 내의 패턴을 보고하는 것을 목표로 합니다. 이 방법은 창의적인 연구에 경험적 조사를 혼합하는 매트릭스를 사용합니다. 프레임워크 분석은 포커스 그룹을 분석하는 데 유용한 것으로 밝혀졌습니다. 생성된 주제는 연구의 개입 단계에 필요한 수정 사항을 식별합니다. 해석적 현상학적 분석은 개인의 경험에 대한 심층 분석을 생성하므로 개별 인터뷰에 유용한 분석입니다.

정량적 데이터를 위한 데이터 분석:

데이터가 정규분포이면 간단한 t-테스트 분석을 수행하고, 데이터가 비정규분포이면 Wilcoxon-sign 분석을 수행합니다.