OnTrackNY의 학습 의료 시스템

이 응용 프로그램은 초기 정신병 치료를 위한 NIMH의 국가 학습 건강 관리 시스템(LHS) 구축의 일환으로 OnTrackNY를 조기 정신병 개입 네트워크(EPINET) 프로그램의 지역 과학 허브로 제안합니다. NIMH가 지원하는 RAISE-구현 및 평가 연구의 연속으로 OnTrackNY는 Lisa Dixon, MD, MPH의 지도 아래 22개 사이트(그리고 여전히 확장 중) 네트워크로 성장했습니다. OnTrackNY는 비정서적 정신병 발병 후 2년 이내에 청소년 및 청년에게 CSC를 제공하는 전국적으로 인정된 모델입니다. OnTrackNY 사이트는 뉴욕 전역의 도시, 교외 및 시골 지역에 있는 지역사회 기관, 주 운영 시설, 지역사회 및 학술 병원의 인가된 외래 진료소에 있습니다. 이 네트워크는 현재까지 1,600명 이상의 개인에게 서비스를 제공했으며 2017년에는 451명의 신규 등록자가 있습니다. New York State Office of Mental Health(OMH)의 후원 덕분에 OnTrackNY는 지불 능력에 관계없이 뉴욕주의 초기 정신병을 앓고 있는 모든 청소년에게 CSC를 제공한다는 목표를 달성하는 데 성공했습니다. OnTrackNY에는 사이트에 교육 및 기술 지원을 제공하고 데이터 수집을 관리하는 9명의 직원으로 구성된 팀인 "허브"인 OnTrackCentral과 "스포크"인 22개 팀이 포함됩니다. OnTrackNY는 처음부터 LHS와 일치하는 고품질의 데이터 중심의 책임 있는 치료를 제공하기 위해 노력해 왔습니다. (사이트에 대한 자세한 내용은 시설을 참조하십시오.)

OnTrackNY의 LHS 기반: OnTrackNY의 LHS 기반을 촉진하는 몇 가지 요인: 1) OnTrackNY는 데이터 지향 RAISE-구현 및 평가 연구에서 진화했습니다. 2) Columbia Psychiatry 내에 수용된 증거 기반 진료를 확장하기 위해 OMH가 자금을 지원하고 경험적으로 주도하는 기술 지원 센터인 Center for Practice Innovations 내 위치; 3) 양질의 책임 있는 진료에 대한 OMH의 강력한 의지. OnTrackCentral은 임상의, 프로그램 디렉터 및 주 관리자로부터 이해 관계자 의견을 얻습니다. 모든 OnTrackNY 팀은 초회 정신병(FEP) 치료를 위한 특정 서비스 구성 요소와 표준화된 고객 및 현장 수준 조치를 요구하는 확립된 프로토콜을 준수할 계약상의 의무가 있습니다. OnTrackCentral은 모델을 지원하고 프로그래밍 방식의 격차와 문제를 식별하며 실습 기반 학습 및 연구를 촉진하기 위해 지속적인 기술 지원을 제공합니다.

OnTrackNY가 더 나은 LHS를 구축할 수 있는 기회: EPINET은 OnTrackNY의 초기 LHS 기반을 활용하고 초기 정신병 치료를 위한 대규모 최신 LHS를 구축할 수 있는 기회를 제공합니다. 조사관은 CQI(지속적인 품질 개선) 프로세스를 다음과 같이 확장하고 재구성할 것을 제안합니다. 측정 기반 치료를 용이하게 합니다.

LHS 프레임워크 및 개념적 모델: 이 LHS는 이해관계자를 모아 데이터와 기술을 검토하여 다음에 대한 전략을 개발하고 적용하는 지속적으로 학습하는 의료 시스템에 대한 IOM(Institute of Medicine)(현 National Academy of Medicine) 모델의 원칙을 기반으로 합니다. 품질을 개선하고 효율성을 높입니다. 조사관은 Group Health Cooperative에서 설명한 6개의 LHS 단계에 따라 구성 요소를 운영하는 IOM의 LHS 모델을 사용합니다. 이 LHS 모델은 주기적인 개선 접근 방식에 대한 열망 로드맵을 제공하지만 상당한 지식 격차로 인해 증거 기반 커뮤니케이션, 캠페인, 지침 및 기타 도구, 제품 및 개입으로의 지식 변환 및 구현이 제한됩니다. 조사관은 LHS 모델의 각 단계 내에서 지식 변환 및 구현 활동을 안내하는 KTA(Knowledge to Action) 프레임워크를 사용합니다. KTA 계획 도구는 각 LHS 단계에서 이해관계자가 고려해야 할 질문을 통해 지식 생성 및 실행 주기를 지시합니다. 반복 프로세스를 통해 지식 생성은 LHS 스캐닝 및 감시 단계에서 이해 관계자, 데이터 및 혼합 방법 실습 기반 연구로 시작됩니다. 행동 주기는 지식이 실제로 구현되는 데 필요한 활동을 나타내는 프로세스를 간략하게 설명합니다. 지식은 지역 상황에 맞게 조정되며 지식 사용에 대한 장벽과 촉진자는 명시적으로 평가됩니다. 이해 관계자는 지식을 사용하는 사람들에게 지식과 개입을 조정하는 데 중심적으로 관여합니다.

따라서 이 제안은 지속적인 품질 개선을 지원하는 구조 내에서 측정 기반 치료를 촉진하는 데 필요한 데이터 인프라를 구축할 이해 관계자 중심의 LHS를 구축할 것이며, 결과적으로 진료 및 결과 개선이라는 전반적인 목표를 가지고 실습 기반 연구를 지원합니다. 초기 정신병을 가진 개인을 위해. EPINET이 지원하는 이 LHS는 조현병 환자의 삶을 개선하기 위해 CSC의 잠재력을 최적화하는 엔진을 만들 것입니다.