프랑스어를 사용하는 스위스에서 응급실을 자주 사용하는 환자를 위한 사례 관리 개입 구현 (I-CaM)

응급실(FUED) 및 기타 의료 서비스의 빈번한 사용자는 임상의, 관리자 및 연구원에게 많은 관심을 받고 있습니다. 응급실(ED) 남용은 ED 과밀과 관련이 있으며, 이는 환자와 의료 시스템 결과에 부정적인 영향을 미칩니다. 스위스에는 연간 140만 명이 넘는 응급실 방문이 있으며, 응급실의 84%가 과밀하다고 보고합니다. FUED는 환자 모집단의 4.4%를 차지했으며 로잔 대학 병원 응급실 전체 방문의 12.1%를 차지했습니다. 건강 관리 서비스의 높은 사용을 주도하는 것은 FUED가 종종 정신 질환 및 물질 사용 장애 외에도 심장 질환, 폐 질환 및 암을 포함한 만성 의료 질환을 높은 비율로 앓고 있다는 사실입니다. CM은 연구 환경에서 빈번한 사용자의 ED 남용을 줄이기 위한 유망한 개입으로 나타났습니다. 그러나 지역 병원 및 비학술 센터를 포함하여 다양한 임상 환경에 대규모로 FUED를 위한 CM 개입을 전파하고 구현하는 방법에 대한 지식이 제한적입니다.

연구 프로젝트에는 다음과 같은 세 가지 구체적인 목표가 있습니다.

1. FUED를 위한 실용적인 CM 개입을 개발하고 스위스의 프랑스어권 지역에 있는 여러 병원에 보급합니다.
2. 중재 실행 과정을 연구합니다.
3. CM 개입을 받은 후 건강 결과(예: ED 사용, 의료 재정향 및 삶의 질)에 대한 FUED의 궤적을 연구합니다.

이 연구 프로젝트는 CM 개입의 보급 및 구현과 관련된 구현 변수 및 임상 결과를 모두 측정하는 하이브리드 연구 설계를 사용한 관찰 연구입니다. 연구의 구현 부분에서는 구현 프로세스에 영향을 미칠 수 있는 질적 및 양적 요소를 모두 설명하기 위해 혼합 방법 설계(즉, 정성적 및 정량적 분석 모두 사용)를 사용합니다. 연구의 임상 부분은 CM 개입을 받은 후 참가자의 궤적을 평가하기 위해 대상 내(사후 ​​개입) 설계를 사용합니다.

전체 연구 프로젝트는 5단계에 걸쳐 진행됩니다.

1-2단계. 개발 및 탐사 절차. I-CaM 연구팀은 CM Toolkit, 실행 프로그램, 팀원 선정 지원 자료 및 안내 공지를 개발하여 스위스 프랑스어권 병원에 배포할 예정입니다. 구체적으로, 연구팀은 CM 개입에 대한 관심과 요구를 측정하기 위한 설문 조사를 개발하여 모든 적격 병원(주요 직원, 응급실 책임자)에게 이메일로 보낼 것입니다. I-CaM 연구팀은 CM 개입 및 연구 절차에 대한 자세한 정보를 후속 조치할 것입니다. 그런 다음 관심 있는 사람들은 로잔 대학 병원에서 열리는 1일 워크숍에 참여하게 됩니다. 이 워크숍에서 주요 직원은 CM 개입, 구현 과학 및 일반적인 연구 절차에 대한 교육을 받게 됩니다. 워크숍 후 참여에 동의한 모든 사이트는 a) 연구에 포함되고 b) 설문지를 작성하고 반구조화된 인터뷰(실행 결과 평가)에 참여합니다. 또한 연구 참여에 관심이 없는 병원에 대해서도 가능성에 따라 대면 또는 전화 및 우편으로 동일한 평가를 실시할 것입니다(즉, 무관심 분석).

3단계. 준비 절차. 그런 다음 포함된 사이트는 CM 개입의 구현을 준비합니다. 사이트는 먼저 전략 및 운영 챔피언과 임상의를 포함하여 CM 개입 팀 구성원을 식별합니다. 전략 챔피언(즉, 리더)이 구현 프로젝트를 추진하고 유지하는 반면, 운영 챔피언은 구현 및 적용을 지원하고 CM 개입 관리를 담당할 임상의를 감독합니다. 다음으로 각 소스에서 사용 가능한 리소스를 설정하고 데이터 수집 및 저장 시스템을 마무리하여 연구팀의 의료 서비스 및 구현 결과에 대한 데이터를 수집합니다. 아이캠 연구팀은 현지 관련 스태프를 대상으로 CM팀 교육도 진행할 예정이다. 마지막으로 준비 단계가 끝나면 현장에서 프로젝트에 참여하는 챔피언과 임상의가 설문지를 작성합니다.

4단계. 운영 운영 단계. CM 개입은 연구에 포함된 모든 사이트에서 구현됩니다. 각 사이트에서 포함 기준을 충족하는 환자는 케이스 관리자가 연락을 취할 것입니다. 포함되는 참가자 수는 각 사이트 리소스에 따라 다릅니다. 가능한 경우(각 사이트의 리소스에 따라 다름), 모집 기간 10일 전에 ED에서 치료를 받은 적격 환자에게 전화로 연락하고 연구에 참여하기 위해 ED로 돌아올 것을 제안합니다. 나머지 FUED(즉, 연구에 참여하도록 초대되지 않은 FUED)는 일반적인 치료를 받게 됩니다. 참가자를 처음 만날 때 사례 관리자는 연구를 발표하고 제외 기준을 검토합니다. 환자가 제외 기준이 없고 참여에 관심이 있는 경우 사례 관리자가 정보에 입각한 동의 절차를 수행합니다. 서면 동의를 제공한 후 참가자는 CM 개입을 받게 됩니다. 현장에 포함될 때마다 사례 관리자는 임상 평가(즉, 참가자의 궤적을 설명하기 위한 임상 변수의 기준선 및 후속 평가)를 담당하는 I-CaM 연구팀을 업데이트합니다. I-CaM 연구팀은 참여자에게 연락하여 포함 후 10일 이내에 기본 평가를 수행합니다. 그런 다음 참가자는 기준선 이후 3, 6 및 12개월에 후속 평가를 완료합니다. 다른 임상 변수는 I-CaM 연구팀이 현장 의료 기록에서 직접 추출합니다. 운영 단계가 끝나면 연구팀은 사례 관리자 및 챔피언과 반구조화된 인터뷰를 수행합니다. 챔피언과 사례 관리자 모두 설문지를 작성합니다.

5단계. 지속 가능성 절차. CM 개입의 구현에 따라 사이트는 재량에 따라 CM 프로그램을 계속합니다. I-CaM 연구팀은 각 사이트의 활동을 모니터링하고 필요에 따라 모든 사이트에 지원을 제공할 것입니다. 임상 결과(즉, ED 사용, 삶의 질 등)는 이 피날레 단계에서 측정되지 않습니다. 지속 가능성 단계가 끝나면 연구팀은 임상의 및 챔피언과 반구조화된 인터뷰를 수행합니다. 챔피언과 임상의 모두 설문 조사를 완료합니다.

• 개발 및 탐색 단계(환자 모집 없음)는 2017년 8월에 시작되어 2018년 9월에 종료됩니다.
• 준비 단계(환자 모집 없음)는 2018년 3월에 시작하여 2018년 12월에 종료됩니다.
• 운영 단계(환자 모집 시작, 건강 관련 결과 평가)는 2018년 10월에 시작하여 2019년 4월에 종료됩니다.
• 지속 가능성 단계(환자가 CM 중재를 받지만 건강 관련 결과는 평가되지 않음)는 2019년 4월에 시작하여 2020년 11월에 끝납니다.

데이터 분석 계획 구현 조치 분석. 기술 통계는 참가자의 특성을 설명하고 구현 결과를 보고하는 데 사용됩니다. 조사관은 또한 시간이 지남에 따라 구현 조치 변경 사항을 테스트합니다. 구현 결과와 관련하여 예상되는 작은 샘플 크기를 감안할 때 이러한 분석은 정성적 데이터로 삼각 측량됩니다. 구체적으로 인터뷰 내용을 기록하고 탐색하여 참가자의 반복 코드 및 범주를 식별합니다. 조사관은 정성적 데이터를 조사하기 위해 정성적 소프트웨어(즉, Atlas.ti 또는 NVivo)를 사용하여 기존 콘텐츠 분석(즉, 코딩 및 분류의 체계적인 프로세스)[1]을 사용합니다.

임상 결과. 기술 통계 및 플롯을 사용하여 누락된 사례, 특이치 및 분포의 정규성에 대해 데이터를 스크리닝합니다. 조사관은 누락된 데이터를 처리하기 위해 적절한 조치를 취할 것입니다. 첫째, 분석을 수행하여 누락 패턴을 감지하고 "무시"할 수 있는지 여부를 테스트합니다.[2] 결과 데이터의 5% 이상이 누락된 경우[3] 샘플을 2개 그룹(즉, 누락, 누락되지 않음)으로 나누고 영향을 받는 결과에 대한 누락을 예측하기 위해 완전히 관찰된 변수가 사용됩니다. 완전히 관찰된 변수가 중요한 예측 변수가 아닌 경우 누락은 "무작위로 관찰됨"으로 간주되고 "완전히 무작위로 누락"(MCAR) 가정에 대한 일부 기준을 충족하는 것으로 간주될 수 있습니다. 이 경우 조사관은 측정된 결과에 대해 다중 전가 절차를 사용하고 구조 모델에 대한 직접 최대 우도 추정을 사용합니다. 데이터 누락이 무시할 수 없는 경우(MNAR), 누락 메커니즘을 모델링하기 위해 다중 전가가 있는 패턴 혼합 모델이 사용됩니다.

주요 분석은 결과 변수(예: 포아송, 음이항, 정규)에 대한 적절한 분포를 활용하는 다단계 모델(즉, MLM; 혼합 효과 모델) [4]로 구성됩니다. MLM은 임상 결과(예: 삶의 질, 자기효능감)에 대한 시간의 영향(CM 개입을 받은 후)을 조사합니다. MLM은 비독립 데이터를 처리하는 데 적합합니다. 특히, 데이터는 참가자(즉, 반복 측정) 및 병원별로 클러스터링됩니다. MLM은 관찰의 독립성을 가정하지 않습니다. 종속성은 랜덤 효과(데이터의 다양한 가변성 소스를 나타냄)를 통해 모델링됩니다. 조사자는 그룹 간 차이를 설명하는 그룹 수준의 무작위 변동성 소스와 반복 측정에서 개인 내 차이를 설명하는 개인에 대한 또 다른 무작위 효과를 포함할 것입니다. MLM은 인구통계학적 변수(예: 연령 및 성별), 건강 관리 이용(ED 사용 포함), 위험 행동(예: 알코올 사용 장애) 및 건강 상태에 따라 조정됩니다. STATA의 SPSS 및 MLM에 대한 기술 통계가 수행됩니다. 유의 수준은 p = .05로 설정됩니다.