2가지 치료의 고령자 효과

연구 설계:

클러스터 무작위 임상 시험(RCT)은 22개의 공공 보조금 주택 시설(HUD 섹션 202) 및 NE 오하이오의 기타 저소득 주택 바우처 프로그램에서 계획되며 2개 부문에 무작위 배정됩니다: 부문 1(11개 사이트) - 참가자는 반년 SDF; 팔 2(11개 사이트): 참가자는 ART + FV 연 2회 신청을 받습니다. 모든 참가자는 1년 동안 추적 관찰되며 모든 방문에서 치과 검진 및 예방 세척을 받게 됩니다.

연구 모집단 및 환경:

장기 목표는 저소득 노인을 위한 격차를 줄이고 구강 건강 형평성을 개선하는 것입니다. 당면한 목표는 불균형을 해결하기 위한 개입을 테스트하는 것입니다. 따라서 인구/환경은 HUD 섹션 202 및 기타 공적 보조금을 받는 주택 시설에 거주하는 6개의 NE 오하이오 카운티(Cuyahoga, Lorain, Summit, Ashtabula, Geauga 및 Lake)에서 62세 이상의 낮은 사회경제적 지위(SES) 성인이 될 것입니다. . 관리자는 사이트의 가용성과 참여 의사를 확인하는 지원 서한을 제공했습니다. 인구는 다양합니다: 아프리카계 미국인/흑인, 히스패닉/라틴계를 포함한 백인/백인, 아시아인. 6개 카운티에 3,661개의 세입자 유닛이 있는 64개의 HUD 주택 부지가 있습니다. 노인을 수용하는 저소득 시설 87개가 추가로 지역 주택 당국에 의해 11,667채 추가되었습니다. 따라서 총 151개의 시설과 15,328명의 노인이 이용 가능합니다.

22개 사이트와 550명의 참가자라는 표본 크기 목표는 쉽게 달성될 것입니다. 세입자 중 Medicaid 참여는 시설 중 76%입니다. 이러한 시설의 이전 연구에서 평균 연령은 74세, 76%는 여성, 51%는 백인, 45%는 아프리카계 미국인, 2%는 히스패닉, 2%는 기타 인종/민족 그룹으로 예상됩니다. HUD 고령자의 60%는 3년 이상 동안 치과 방문이 없거나 드물었습니다.

COVID-19 제한으로 인해 주택 현장에서 외부 방문자/제공자를 막았기 때문에 모집이 예상 24개월보다 오래 걸릴 것입니다. 추가로 약 40명의 등록된 개인이 26주 방문/두 번째 치료 용량을 완료하지 않았습니다. 그래서 우리는 총 등록 참가자 수를 40명 늘렸습니다. 또한 COVID-19 팬데믹으로 인한 채용 지연 문제를 해결하기 위해 연구에 4개의 추가 주택 시설을 추가했습니다.

추가 4개 사이트는 각 팔의 총 13개 사이트에 대해 팔 1과 팔 2로 무작위 배정됩니다.

참가자 모집:

이전 연구의 성공적인 전략은 모집에 사용될 것이며 이해 관계자로부터 정보를 얻을 것입니다. 사용될 전략은 다음과 같습니다. 22개 시설 모두의 서비스 코디네이터가 현장 연락관 역할을 합니다. 연구 PI/프로젝트 관리자는 세입자에게 제공하고 시설의 공공 장소에 게시할 연구 정보가 포함된 소개 편지/전단지를 서비스 코디네이터에게 제공합니다. 서비스 코디네이터는 먼저 정보 회의를 주선하고(연구 치과 의사가 이해 관계자가 제안한 중재에 대해 이야기할 것임) 예정된 그룹 행사(예: 임차인 회의, 건강 박람회). 계획 목적으로 서비스 코디네이터는 세션에 관심이 있는 사람들을 위한 등록 시트를 갖게 됩니다. 연구 직원은 정보에 입각한 동의를 얻고 기본 설문 조사 데이터를 수집하기 위해 주택 시설에서 일대일 세션에 대한 관심이 있고 포함 기준을 충족하는 사람들을 예약합니다. 기본 치과 검사 및 치료 예약은 동의 및 기본 데이터 수집 후 약 1-2주 후에 발생하는 각 시설의 지정된 검사 날짜에 따라 각 시설에서 일정을 잡습니다. 6개월 및 12개월 치과 검사/치료 및 시점별 후속 설문 완료를 위한 일대일 인터뷰도 참가자가 거주하는 주거 시설에서 진행됩니다.

무작위화 절차:

무작위 배정은 물류 효율성을 위해 클러스터(주거 시설) 수준에서 이루어집니다. 이렇게 하면 동일한 사이트에서 다른 치료에 할당된 사람들에게 발생할 수 있는 오류 가능성이 크게 줄어듭니다. 또한 각 사이트에서 동일한 처리를 유지하면 '오염'(즉, 다른 사람들과 치료에 대해 논의하는 참가자). 또한 계층화된 클러스터 무작위화, 즉 2개의 주요 클러스터 수준(층화) 변수, 즉 시설 크기(>100 대 ≤100 거주자) 및 지리적 위치에 대해 치료에 대한 균형이 보장되는 블록(제약된) 무작위화 접근 방식이 사용됩니다. (쿠야호가 카운티 대 기타). 프로젝트 통계학자는 22개의 주택 시설에 대한 무작위화 체계를 생성합니다.

분석 계획:

각 기본 결과는 SDF와 ART+FV 그룹 간에 비교됩니다. 치아 통증의 경우, 평균 응답의 차이(SDF - ART+FV)에 대한 t-테스트를 ​​기반으로 95% 신뢰 구간(CI)이 계산됩니다. 이 신뢰 구간이 구간(-∞, 8) 내에 있으면 ART+FV 치료에 비해 SDF의 '비열등성'이라는 결론을 내릴 수 있습니다. 신뢰 구간은 한 중재가 다른 중재보다 우월할 가능성을 평가하기 위해 이차적으로 검사될 수 있습니다. 검거율의 경우, 비율 차이(z 통계 기준)에 대한 95% CI가 계산됩니다. 이 신뢰 구간이 구간(-0.09, 1) 내에 있으면 ART+FV 치료에 비해 SDF의 '비열등성'이라는 결론을 내릴 수 있습니다. 위와 같이 한 중재가 다른 중재보다 우월할 가능성도 평가할 수 있습니다. 다른 결과의 경우 평균 차이(또는 이진 결과의 비율)에 대한 95% CI 계산도 사용됩니다. 이러한 2차 결과는 적절한 마진을 기반으로 우월성 또는 열등성에 대한 탐색적 방식으로 평가됩니다.

초기 결과를 확증하기 위해 일반화된 추정 방정식(GEE) 접근법이 사용됩니다. 각 결과에 대해 치료 지표 및 예후 변수(사회인구학적 변수, 의학적 상태 및 구강 건강 행동 포함)를 포함하는 GEE(한계) 모델이 적합합니다. 적절한 링크 기능(예: 이진 결과에 대한 로짓 링크 및 연속 결과에 대한 ID 링크)이 지정되고 사이트 내에서 상관 관계를 허용하는 데 사용되는 교환 가능한 작업 상관 관계 매트릭스가 사용됩니다. 정지 결과는 이진 결과(샘플 크기 섹션에 설명된 대로)로 분석되고 두 번째로 적절한 분포(예: 음 이항) 및 연결 기능(예: 로그 연결)을 가정하여 정지된 병변의 수로 분석됩니다. 적은 수의 클러스터에 대한 보정이 포함된 강력한 t 테스트를 사용하여 치료 효과를 테스트하고 해당 95% 신뢰 구간을 계산합니다.

두 번째로, 위의 GEE 접근 방식은 각 결과에 대한 반복(기준선, 26주 및 52주) 측정을 분석하도록 확장됩니다. 각 결과에 대한 모델에는 이전과 동일한 예후 변수와 치료 상호 작용에 의한 시간 및 시간이 포함됩니다. 예를 들어 1차 자기상관 구조를 사용하여 반복 측정 간의 상관관계가 허용됩니다. 상당한 시설 내 상관 관계가 발견되면 시설을 두 번째 클러스터 수준으로 통합해야 합니다(첫 번째 클러스터 수준인 개인이 내포됨). 또한, 두 가지 중재에 대한 시간 경과에 따른 추세를 비교하기 위한 상호 작용 용어를 추정하고 테스트(강력한 t-테스트를 ​​통해)할 수도 있습니다. GEE 접근법에서 두 클러스터 수준의 사용이 실현 가능하지 않은 경우 일반화된 혼합 효과 모델 접근법이 고려됩니다.

인과적 추론 표준: 회귀 모델에서 무작위화 및 조정의 사용은 인과적으로 해석 가능한 개입 효과 추정치를 제공하기에 충분해야 합니다. 따라서 관찰 연구에 종종 표시되는 성향 점수 또는 도구 변수 방법과 같은 특별한 인과 추론 기술은 데이터 분석에 필요하지 않습니다. 실제로 받은 치료(의 정도)에 관계없이 개인을 무작위 그룹에 따라 분석하는 치료 의도 접근법을 사용하여 의도된 개입에 대한 인과적 추론에서 편향을 피할 수 있습니다.

민감도 분석: 모델 가정에 대한 결론의 민감도와 결과 정의와 같은 방법론적 결정을 확인합니다. 특히, 정지 결과의 경우, 1차 분석은 개인에 대한 모든 병변의 '완전한' 정지라는 이원 지표를 기반으로 합니다. 결과는 체포된 병변의 수를 분석하는 대체 접근법으로 이 접근법에서 확증될 것입니다. 모든 결과에 대해 계획된 GEE 분석의 경우 대체 작업 공분산 구조 및 대체 예측 세트를 사용하여 민감도를 부분적으로 평가합니다. 일부 결과의 경우 대체 분포가 고려됩니다. 예를 들어, 정지된 병변의 수에 대해 가능한 분포에는 포아송, 음이항, ZIP(Zero-Inflated Poisson) 및 ZINB(Zero-Inflated Negative Binomial)가 포함됩니다. 누락된 데이터에 대한 가정에 대한 민감도는 아래에 자세히 설명된 대로 조사됩니다.

데이터가 없습니다. (a) 데이터 누락 방지 및 모니터링 방법: 모든 설문지(태블릿 사용) 및 치과 평가 양식(종이 사용)은 연구 직원이 전자 데이터베이스(REDCap)에서 관리합니다. 이상치, 입력 오류, 누락된 데이터 및 잠재적인 데이터 이상에 대해 주간 품질 관리 검사가 실행됩니다. 통계 분석, 요약 및 누락된 데이터 보고서는 연구 기간 동안 연구 생물통계학자에 의해 매월 생성됩니다. (b) 누락된 데이터를 처리하고 누락으로 인한 통계적 불확실성을 설명하는 통계적 방법: 사용 가능한 모든 관찰을 기반으로 GEE를 사용하는 기본 분석에서는 결과가 완전히 무작위로 누락되었다고 가정합니다(MCAR). 누락된 데이터 패턴의 초기 평가로서 누락된 결과 비율과 관련하여 개입 그룹(관련 하위 그룹 및 시점별 포함)을 비교합니다. 초기 시점에서 누락과 결과 사이의 관계에 대한 테스트는 MCAR 가정의 타당성을 평가합니다. 유효한 추론을 보장하기 위해 다중 전가 방법(확립된 방법)이 사용됩니다. (d) 누락 및 누락 데이터 기록 및 보고 계획: 시험 데이터는 현재 Case Western Reserve University(CWRU)에서 실행 중인 REDCap 소프트웨어를 사용하여 관리됩니다. REDCap은 검증된 데이터 입력을 위한 직관적인 인터페이스, 데이터 조작 및 내보내기 절차 추적을 위한 감사 추적, 일반 통계 패키지로 원활한 데이터 다운로드를 위한 자동화된 내보내기 절차를 제공하는 안전한 웹 기반 애플리케이션입니다. 누락된 데이터 보고서는 시기적절한 해결 및 보고 목적을 위해 REDCap에서 매주 생성됩니다. (e) 결측 데이터 방법에 대한 추론의 민감도를 조사하기 위한 계획 위에서 언급한 바와 같이, 무작위로 완전히 결측되지 않은 데이터가 있는 경우 유효한 추론을 얻기 위해 다중 전가가 사용됩니다. 결과에 따라 적절한 예측 모델과 일치하는 예측 평균이 사용됩니다(예: 이진 결과에 대한 로지스틱 회귀, 연속 및 카운트 결과에 대한 선형 회귀). 대체 전가 모델은 민감도 분석의 일부로 사용됩니다.