심방세동 환자의 뇌졸중 예방을 위한 EHR 내장 의사결정 지원

C.2.1 구체적인 목표 1 - AFDST(Atrial Fibrillation Decision-Support Tool) 대 AFDST를 평가하기 위한 무작위 비교 유효성 연구(BPA(Best Practice Advisory) 및 환자를 AF Thromboprophylaxis Shared Decision-Making에 의뢰하기 위한 반자동 명령 세트 추가) 서비스.

조사관은 적절한 장소와 시간에 적절한 결정 지원을 제공함으로써 시스템 장벽을 제거함으로써 "적절한 혈전 예방" 비율을 개선할 것입니다. 예방, 항응고 요법의 위험과 이점의 균형에 대해 생각하는 방법과 의사 결정에서 환자 참여를 개선하는 방법.

H1 - EHR 내장 AFDST에 BPA(AF Thromboprophylaxis Shared Decision-Making Service에 대한 의뢰를 생성하기 위한 반자동 주문 세트 포함)를 추가하면 EHR 내장 AFDST의 현재 상태와 비교하여 "적절한 혈전 예방" 비율이 향상됩니다. BPA 또는 Shared Decision-Making Service 없이

조사관은 구현 연구의 평가를 위해 RE-AIM 프레임워크를 사용하여 외래 사이트에서 각 번들을 구현하는 무작위 통제 시험을 수행하여 이 가설을 조사할 것입니다.(36-41) 결과에는 효율성, 범위 및 채택이 포함됩니다.

BPA에 대한 트리거 - 새로운 AF - 이전에 AF 병력이 없는 환자가 AF 진단을 받을 때마다 자동으로 실행되는 BPA를 개발합니다(새로 발생하는 AF 또는 이전에 AF 진단을 받은 시스템에 대한 새로운 환자). BPA는 AFDST에 대한 직접 링크를 제공하여 초기 치료에 대한 실시간 결정 지원을 제공합니다.

임상적 위험 요인의 변화 - 현재 치료가 "최적"이 아닌 것과 같은 위험 요인의 변화로 인해 AFDST 권장 사항이 변경된 상황을 식별하기 위해 자동화된 프로세스를 구현합니다. 지속적 AF 및 최적화되지 않은 혈전 예방 - 임상의가 환자 차트에 있을 때 AFDST 권장 사항을 검토하는 자동화된 프로세스를 구현합니다. 현재 치료가 "최적"이 아닌 경우 BPA를 생성합니다. 경고를 최소화하기 위해 조사관은 치료 변경으로 상당한 이점을 얻을 수 있는 환자에 대해서만 조언을 생성합니다(예: > 0.5 QALYs). 이전 연구에 따르면 이것이 가장 일반적으로 유발되는 BPA일 가능성이 높습니다. 임상의는 BPA를 다시 발사할지 또는 해당 환자에 대한 향후 경고를 억제할지 여부를 표시합니다.

C.2.2 특정 목표 2 - 공유된 의사 결정 도구 및 서비스의 영향을 평가합니다.

H2 - EHR이 내장된 AFSDM(Atrial Fibrillation Shared Decision Making Tool) 도구를 활용하는 공유 의사 결정 전문 서비스는 양질의 치료에 대한 여러 지표를 개선할 것입니다. 여기에는 결정 갈등 감소, 의사 결정에 대한 환자 만족도 향상, 환자 지식 향상 및 최종 공유 치료 결정에 대한 순응도 향상이 포함됩니다.

조사관은 AF 공유 의사 결정 서비스에 의뢰된 환자의 사전/사후 연구 설계를 사용하여 이 가설을 평가할 것입니다. 결과에는 방문 전과 방문 종료 시 완료된 의사 결정 품질, 환자 참여 및 임상 팀과의 연결에 대한 검증된 측정이 포함됩니다.

응용 프로그램 소프트웨어 개발 - AFSDM 응용 프로그램은 심방세동 관련 뇌졸중 위험, 치료 옵션 및 위험과 이점에 대한 환자 교육을 취약한 인구에 과도하게 영향을 미칠 수 있는 치료 장벽을 고려하는 포괄적인 방식으로 제공합니다. AFSDM은 건강 상태에 대한 개별 환자 선호도 및 값과 환자별 EHR 데이터를 사용하여 권장 사항을 생성합니다.

공유 의사 결정 서비스 제공 - 스스로 혈전 예방 결정을 내리는 것이 불편한 임상의를 위해 AF 혈전 예방 공유 의사 결정 서비스를 개발합니다. 이러한 서비스는 UC Health 항응고 클리닉에 있습니다.

이 서비스에 대한 액세스 촉진 - AFDST를 사용하여 치료 변경으로 혜택을 받을 수 있는 환자를 식별하고(위의 BPA 트리거 참조) 추천 프로세스를 단순화하기 위해 전자 지원을 내장합니다.

BPA는 임상의가 스스로 혈전 예방 결정을 직접 처리하거나 환자를 적절한 AF 혈전 예방 공유 의사 결정 서비스로 쉽게 안내할 수 있는 옵션을 제공합니다.

임상의는 Shared Decision-Making 서비스가 치료 결정을 내리고 요법을 처방하기를 원하는지 아니면 추천 임상의에게만 권장 사항을 생성하기를 원하는지 표시할 수 있습니다.

다.3. 대상 모집단: 의사, 임상의 및 환자 - UC Health PCN(일차 진료 네트워크)은 신시내티 및 3주 광역 지역에 위치한 20개의 일차 진료 및 144명의 임상의로 구성되어 69,000명 이상의 환자에게 서비스를 제공합니다. 실습에는 2개의 도시 레지던트 훈련 장소(내과 및 의학-소아과), UCMC 내과 학부 실습 및 Burnet 가정 의학 실습이 포함되며 모두 취약한 환자 집단에 서비스를 제공합니다. 모든 진료 및 입원 시설에서는 Epic®을 공통 EHR로 사용합니다. 보건 시스템에 대한 임상 정보가 포함된 중앙 집중식 데이터 웨어하우스는 대학의 보건 정보학 센터(CHI)에 보관되어 있습니다. UCMC는 북부 켄터키와 남동부 인디애나를 포함하는 신시내티 대도시 지역의 취약한 환자 집단에게 서비스를 제공하는 630개의 병상(이 중 283개는 성인 의료/외과용 병상)을 갖춘 3차/4차 의료 센터이자 안전망 기관입니다. 따라서 조사관은 총 144명의 외래 임상의를 이 연구에 무작위 배정할 자격이 있다고 추정합니다. 조사관은 도시 거주자와 시골 애팔래치아인을 모두 포함하는 다양한 인종 및 사회인구학적 환자 기반에 서비스를 제공합니다. UC Health AF 코호트에서 흑인 환자의 전체 비율은 32%이지만, 711명의 AF 환자를 돌보는 1차 진료 관행(3개의 UCMC 병원 기반 사이트 및 1개의 커뮤니티 사이트)에서 불균형적으로 많은 비율(47%)을 제공합니다. - 58%)의 흑인 환자. 환자의 40%는 Medicaid 또는 관리형 Medicaid로, 30%는 Medicare 또는 관리형 Medicare로 보험에 가입되어 있습니다. 2%는 무보험입니다.

C.3.1. 외래 연구 장소 - 외래 방문은 UC 의료 센터 병원의 1차 진료 및 약사 직원이 있는 항응고 클리닉에서 이루어집니다. 위에서 설명한 바와 같이 BPA는 AFDST가 현재 치료법을 변경하여 0.5 QALY 이상의 이점을 얻을 수 있는 현재 치료법과 다른 최적의 치료법을 제안하는 환자에 대해서만 실행됩니다. 이전 외래 방문에서 조언이 이미 실행된 경우 조사관은 주 임상의가 경고가 다시 실행되도록 요청하지 않는 한 BPA가 다시 실행되지 않도록 합니다.

C.3.2. 예상 환자 수 - UC Health EHR에서 최근 가져온 데이터는 UC Health 시스템에서 이러한 기준에 맞는 약 4,700명의 활성 환자를 식별했습니다. 이전 연구에 따르면 UC Health AF 코호트에서 환자의 41%가 "최적화되지 않은" 혈전 예방 요법(1,927)을 받고 있었고, 그 중 49%(944)는 "최적 요법을 받는 경우 0.5 QALY 이상을 얻을 수 있었습니다. ." 보수적으로 연구자들은 18개월의 계획된 등록 기간 동안 800명의 환자(2개의 연구 부문에서 각각 400명)의 등록을 추정합니다. 또한 가장 최근 연도에 AF 진단을 새로 받은 약 1,460명의 환자가 관찰되었습니다. 이 중 약 80%는 이전에 심방세동 진단을 받고 시스템에 들어온 신규 환자였으며 약 20%는 새로 발생한 심방세동이 있는 기존 환자였습니다. 따라서 연구자들은 사전에 AF 진단을 받은 약 1,215명의 환자가 매년 시스템에 유입될 것으로 예상합니다. 이 중 대략 245개(1,215 x .41 x .49) 현재 혈전 예방 요법의 변화로 상당한 이익을 얻을 수 있으며, 필요한 경우 각 연구 부문에서 다른 122명의 환자가 추가로 증가할 가능성이 있습니다. 조사관이 여전히 환자 등록 이정표를 달성하지 못한다고 판단되면 QALY의 예상 이득에 대한 BPA 트리거링 임계값을 0.5에서 합리적이지만 더 작은 이득으로 낮출 것입니다.

다.4. 연구 설계 및 방법 C.4.1. AFDST의 설계 - AFDST의 현재 버전은 환자의 EHR 기록에 있는 동안 활동 버튼을 클릭하여 실행되는 외부 웹 애플리케이션입니다. Clarity® 데이터 테이블 세트로 구성된 AF 데이터 마트가 24시간마다 유지되고 새로 고쳐집니다. 포함 및 제외 기준에 맞는 모든 UC Health 환자는 데이터 마트에 있습니다. 뇌졸중 위험(CHA2DS2VASc(18)), 주요 출혈(HASBLED(19)) 및 뇌내 출혈(29)을 계산하는 데 필요한 정보는 활성 문제 목록과 실험실 값 및 임상 값의 조합을 사용하여 추출한 후 데이터 마트에 포함됩니다. 측정. 이러한 데이터는 도구가 실행될 때 AFDST를 미리 채웁니다. 조사관은 임상의에게 부정확하다고 생각되는 위험 요소를 추가하거나 제거하여 이 정보를 확인하도록 요청합니다. 그들은 또한 도구를 사용하여 대체 임상 시나리오를 탐색하기 위해 위험 요소를 변경할 수 있습니다. 뇌졸중 위험 및 출혈 위험(두개외 및 두개내)은 각 치료에 대한 효능 및 상대적 위험의 적절한 측정에 의해 수정됩니다. HASBLED 점수를 계산하는 데 필요한 치료 범위의 시간은 Rosendaal 등(42)의 방법과 유사하게 지난 1년 동안 시간을 ​​통해 국제 정규화 비율 값을 보간하여 결정됩니다. 현재 항혈전 요법(경구 항응고제 또는 항혈소판 요법) 활성 약물 목록에서 검색됩니다. 주요 출혈 및 두개내 출혈을 포함한 합병증의 상대적 위험과 치료의 효능은 메타 분석(43, 44) 및 일반 인구 및 노인(46, 47)에서 문헌의 체계적인 검토와 함께 DOAC를 서로 비교하는 일대일 시험이 없다는 점을 감안할 때.(10, 48) 신장 기능을 기반으로 특정 DOAC에 대한 권장 사항을 피하기 위한 논리와 함께 적절한 특정 대체 투여 권장 사항(예: 연령 및 체중 기반)을 제공하기 위한 의사 결정 지원이 포함됩니다.

C.4.2. 목표 1을 위한 연구 설계 세부 사항 - 연구 시작 시 조사관은 AF 데이터 저장소의 모든 1차 진료 환자에 액세스하여 UC Health 1차 진료 네트워크에서 현재 혈전 예방 사례의 스냅샷을 찍습니다. 조사관은 이것이 대략 4,700명의 환자를 수반할 것이라고 추정합니다. 조사관은 이 모든 환자에 대해 AFDST를 실행하고 현재의 항혈전 요법을 AFDST에서 권장하는 치료와 비교하여 권장 항혈전 요법을 받고 있는 이 코호트의 비율을 확인할 것입니다. 이를 통해 케어 갭에 대한 업데이트된 추정치와 이 개입을 통해 결과를 개선할 가능성을 얻을 수 있습니다.

임상의가 심방세동 환자의 차트에 있을 때 AFDST는 백그라운드에서 실행되어 환자가 현재 혈전 예방이 변경된 경우 QALY가 0.5 이상 증가할지 여부를 결정합니다. 환자가 일반적인 치료를 받는지 또는 활성 개입 연구 부문에 있는지에 따라 숨겨진 모범 사례 조언 또는 실제 모범 사례 조언이 트리거됩니다. 이렇게 하면 환자가 연구에 자동으로 등록되며 이 방문은 색인 방문으로 기록됩니다.

어떤 이유로든 위에서 설명한 계획의 전체 기능을 구현할 수 없는 경우 다음과 같은 수동 대체 계획을 진행할 것입니다. 매주 말에 AF 데이터 마트에서 GIM 주치의 또는 UC Health 1차 진료 의사와 함께 1차 진료를 받은 모든 환자의 보고서를 생성합니다. 우리는 현재 혈전 예방 요법이 변경된 경우 0.5 QALY보다 큰 추정 혜택을 얻을 수 있는지 확인하기 위해 각 환자에 대해 AFDST를 실행할 것입니다. 그 환자들은 연구에 등록될 것이며 이 방문은 그들의 색인 방문으로 기록될 것입니다. 또한 PI, 프로젝트 관리자 및 연구 간호사는 등록된 환자가 응급실을 방문하거나 UCMC에 입원할 때마다 Epic 경고를 받게 됩니다. 우리는 이 경고를 트리거로 사용하여 부작용(AE)의 발생을 평가하기 위해 해당 환자의 차트를 검토합니다. 이 정보는 사례 보고서 양식에 기록됩니다. 특정 목표 2에 대한 결과는 연구가 끝날 때 결정됩니다.

C.4.4. 1차 결과에 대한 표본 크기 계산 - 모든 표본 크기 추정치는 양측, 알파 = .05에서 90% 검정력을 가정합니다. 유의성 테스트. AFDST 그룹(현재 상태)의 경우 유사한 과거 평가를 기반으로 "비최적" 치료를 받는 환자의 4% 이상이 AFDST에서 결정한 대로 "적절한 혈전 예방"으로 전환될 것이라고 가정합니다. 4%의 비율을 감안할 때, BPA도 받는 그룹에서 "적절한 혈전 예방"에 대한 10%의 변화율을 감지하려면 각 그룹에서 397명의 독립적으로 샘플링된 환자가 필요합니다. 또한 AFDST 그룹에 대한 4% 추정치는 더 낮은 비율을 관찰할 가능성이 있으므로 다른 그룹에서 감지 가능한 비율을 낮출 가능성이 있다는 점에서 낙관적이라고 생각합니다.

C.4.5. "적절한 혈전 예방"에서 예상되는 변화의 임상적 의의 - 현재 미국의 심방세동 환자 220만 명을 고려할 때, 조사관이 적절한 혈전 예방의 10% 개선을 입증하는 데 성공하면 BPA를 사용한 심방세동 결정 지원의 광범위한 구현이 결과를 가져올 수 있습니다. 44,000명 이상의 환자에 대한 개선된 치료와 22,000명 이상의 QALY 인구 증가. 마찬가지로 AF Shared Decision-Making 서비스를 추가하여 18% 개선하면 거의 80,000명의 환자에 대한 치료를 개선할 수 있으며 인구는 거의 40,000 QALY가 증가합니다.

C.4.6. 목표 2를 위한 연구 설계 세부 사항 - 목표 2는 AFSDM(Atrial Fibrillation Shared Decision Making) 도구 및 AF Thromboprophylaxis Shared Decision-Making 서비스의 개발 및 평가에 중점을 둡니다. AF 혈전 예방 치료 옵션에 대해 대화하기. 이러한 목표를 달성하기 위해 조사자는 다음과 같은 구체적인 단계를 제안합니다.

AFSDM 개발 - 이전에 설명한 AFSDM의 파일럿/타당성 연구에서 조사관은 Visual Basic®, Gambler®(1992년에 PI와 과거 연구원이 개발)로 작성된 소프트웨어 응용 프로그램을 사용하여 다음을 사용하여 환자의 가치와 선호도를 평가했습니다. 표준 도박 기술.(35) 이것은 최신 웹 기반 언어를 사용하여 AFSDM에 다시 프로그래밍하고 통합해야 합니다. AFSDM은 - 1) 건강 상태에 대한 효용 평가(주요 두개외 출혈 사건의 예로서 주요 위장관 출혈, 경미하고 주요 장기 신경학적 후유증이 있는 뇌졸중, 매달 또는 INR 및 투여량 조정을 확인하기 위한 격월 의료 방문); 2) 치료의 위험과 이점에 관한 환자 및 가족 교육; 3) 환자별 결정 분석의 수행; 4) 결과의 실시간 커뮤니케이션. 조사관은 표준 도박 기술을 사용하여 관련 건강 상태에 대한 효용 평가를 수행합니다.(35) 이는 의사결정 분석에서 건강 결과에 대한 환자의 가치와 선호도를 평가하는 데 일반적으로 사용되는 검증된 방법입니다. 위험 태도가 이 기술을 사용하는 유틸리티 평가에 전체적으로 통합되기 때문에 위험을 수반하는 선택에 특히 적합합니다. 조사관은 이러한 평가를 전산화하고 의사 결정 지원 도구와 원활하게 통합하는 소프트웨어를 개발할 것입니다. 조사관은 심방세동 관련 뇌졸중 위험, 이용 가능한 치료법, 해당 치료법의 위험과 이점에 대해 환자에게 더 잘 알리기 위해 공유 의사 결정 서비스에서 사용할 교육 자료를 포함할 것입니다. 또한 연구자들은 많은 환자들에게 의사 결정 분석 결과가 유사한 효능과 위험을 가지고 있기 때문에 다양한 DOAC 중에서 명확한 최선의 치료 권장 사항을 선호하지 않을 것으로 예상합니다. 그림 1의 가상 환자에 대한 보고서에서 볼 수 있듯이 아픽사반 다비가트란, 리바록사반 및 에독사반에 대한 품질 조정 기대 수명은 서로 0.1 QALY 이내입니다. 의사결정 분석 관점에서 보면 모두 합리적인 선택입니다. 따라서 이 환자를 위한 최선의 선택은 보다 미묘한 고려 사항을 고려해야 합니다. 환자가 치료 효능 및 부작용 외에 의사 결정에서 중요하다고 느끼는 요인을 평가하는 조사 팀의 이전 작업을 기반으로, 여기에는 본인 부담 비용, 투여 빈도(예: 매일 또는 하루 2회), 역전제의 가용성이 포함됩니다. , 음식과 함께 복용해야 함, 음식-약물 또는 약물-약물 상호 작용의 복잡성, 반복적으로 혈액 검사를 수행해야 함(예: INR을 위해 월 1~2회 방문). 그림 2는 이러한 보다 미묘한 문제에 대한 논의를 지원하기 위해 제공될 맞춤형 정보의 유형을 보여줍니다. 상대적 비용이 위의 플래카드에 표시되어 있지만 조사관은 보험 계획, 보장 범위 및 약국에 따라 이러한 에이전트에 대한 각 환자의 본인 부담 비용에 대한 특정 정보를 얻을 계획입니다.

AFSDM에 내장된 환자를 위한 교육 자료 - 초기 컴퓨터 유틸리티 평가 도구인 "도박꾼"의 전체 구조와 내부 논리를 활용하여 조사관은 현재 웹 기반 클라이언트-서버 프로그래밍 발전을 활용하는 차세대 도구를 개발할 것입니다. 및 멀티미디어 기술.(49) 공유 의사 결정 방문에서 AFSDM을 사용하여 4가지 건강 상태/임상 결과: 와파린으로 항응고제 치료를 받는 동안의 삶, 경미한 뇌졸중, 중증 뇌졸중 및 주요 위장관 출혈에 대한 효용 평가가 수행됩니다. 조사관은 텍스트 및 멀티미디어를 포함하여 사용자가 선택한 다양한 형식을 통해 건강 상태 설명을 제공합니다. 조사관은 촬영에 동의한 전문 환자 또는 실제 환자를 사용하여 이러한 각 건강 상태에 대한 미디어 클립을 촬영합니다. 표준 시나리오 설명에는 신체적 성능, 라이프 스타일 및 역할 기능에 대한 건강 상태의 영향이 포함됩니다. 이전 환자 포커스 그룹에서 환자들은 자신과 비슷한 인종, 성별 및 상대적 연령을 가진 환자로부터 정보를 받는 것을 선호한다고 말했습니다. 따라서 조사관은 멀티미디어 클립 라이브러리를 개발하여 환자가 동일한 성별, 인종 및 연령 범위(제한 내에서)의 환자로부터 건강 상태 시나리오 설명 및 임상 정보를 자동으로 수신하도록 할 것입니다. 또한 조사관은 집에서 액세스할 수 있는 일련의 사이트 또는 AHA의 AFib Town을 포함한 지역 도서관에 대한 웹 링크를 제공하여 추가적인 자기 주도 환자 교육 기회를 제공할 것입니다.

AF Thromboprophylaxis 공유 의사 결정 서비스 개발 및 구현 - 환자가 와파린에서 DOAC 치료로 전환함에 따라 전국적으로 항응고 클리닉(소위 "쿠마딘 클리닉")이 새로운 비즈니스 모델을 찾고 있습니다. 약사가 상주하는 이 클리닉은 환자를 공유 의사 결정에 참여시키는 데 이상적입니다. 그들의 전문성은 또한 DOAC의 부적절한 사용 및 투약에 대한 증가하는 우려를 해결할 것입니다. 구현에는 지속 가능한 비즈니스 모델의 개발이 필요합니다. AFSDM을 사용하는 항응고 클리닉 전문 직원 교육; 이러한 서비스의 가용성에 대해 임상의에게 알리십시오.

C.4.7. 건강 격차 - 항응고 요법의 낮은 비율을 초래하는 흑인 환자 및 기타 취약한 인구의 건강 격차를 해결하기 위해 이 제안은 예방 및 치료의 연속체를 따라 여러 지점에서 개입합니다. 첫째, 조사관은 의료 시스템에서 취약한 인구를 돌보기 위해 여러 진료 현장에서 개입을 시행할 것입니다. 다음 주요 격차는 환자별 요인과 관련이 있습니다. 조사관은 흑인 환자 및 기타 소외된 소수 집단의 치료에 대한 경제적, 교육적, 접근성 및 기타 장벽을 포용하고 염두에 둘 것입니다. 예를 들어, 조사관은 환자의 인종, 성별 및 연령에 맞는 전문 환자를 사용하여 만든 오디오/비디오 클립 뱅크를 사용하여 환자의 가치와 선호도를 얻고 있는 건강 상태에 대한 설명을 제공합니다. 공유된 의사 결정 토론은 또한 각 약물에 대해 실험실 테스트를 얼마나 자주 수행해야 하는지와 같은 문제에 초점을 맞출 것입니다. 와파린이 처방되는 경우와 같이 한 달에 한두 번 병원을 방문해야 하는 필요성은 의사를 만나기 위해 버스로 3시간이 걸리는 사람에게는 실현 가능하지 않을 수 있습니다. 토론의 또 다른 주제는식이 제한입니다. 비타민 K 함량이 높기 때문에 케일 및 콜라드와 같은 녹색 잎 채소는 와파린의 효과를 방해할 수 있지만 DOAC는 방해하지 않습니다. 본인 부담 비용과 적절한 건강 보험의 가용성도 특정 치료에 대한 결정을 내릴 수 있습니다. 이러한 세부 사항에 주의를 기울이면 모든 환자 집단에 대한 개입의 효과가 향상됩니다.

C.4.9. 공유 의사결정 상담이 의사결정 갈등에 미치는 영향에 대한 샘플 크기 계산 - 조사관은 공유 의사결정 방문 경험을 평가하는 연구에서 이러한 서비스를 추천받은 환자에게 등록을 제안할 것입니다. 다음 수치는 30%(해당 그룹의 환자 400명 중 120명)의 보수적인 등록률을 기반으로 하며 조사자가 사전 대 사후에 대한 쌍 t-검정을 사용하여 감지할 수 있는 결정 갈등의 최소 포인트 변화를 보여줍니다. 양측 알파 = .05, 그리고 90% 힘. 예비 연구에서 의사결정 갈등에 대한 내원 전 평균 점수는 31점(100점 척도), 내원 후 평균은 9점이었다. 평균 변화는 22.3(95% CI, 17.2 - 27.3)이었고 변화의 표준편차는 있었다. 20의. 이러한 매개 변수를 사용하여 조사관은 최소한으로 중요한 변화(33)보다 약간 높지만 예비 작업에서 볼 수 있는 평균 변화인 22.3보다 훨씬 작은 6.0점만큼 작은 결정 충돌의 평균 개선을 감지할 수 있었습니다. 명시된 숫자는 전력을 약간 증가시키는 공변량 또는 전력을 약간 감소시키는 클러스터링의 효과를 설명하지 않습니다.

C.4.10. 데이터 분석 계획 - 데이터는 Microsoft SQL™을 사용하여 UC 보안 데이터 센터에 저장되고 Center for Health Informatics에서 관리합니다. 조사관은 고유한 코딩된 환자 식별자를 사용하여 통계 분석에 필요한 SAS 데이터 파일을 생성합니다. 관심의 주요 결과는 "적절한 혈전 예방"입니다. 조사관은 각 연구 부문에서 "적절한 혈전 예방"의 전반적인 비율을 평가할 것이며, 조언에 따른 변화율과 각 개입 후 "최적화되지 않은" 혈전 예방에 대한 공유된 의사 결정 상담을 평가할 것입니다. 조사관은 능동적 개입이 BPA와 환자를 공유 의사 결정 서비스에 의뢰하는 옵션을 모두 포함하는 번들로 구성되어 있음을 알고 있습니다. 연구자들은 먼저 의사가 상담을 지시했는지 여부에 관계없이 두 연구 부문 간의 "적절한 혈전 예방"의 차이를 분석할 것입니다. 조사관은 상담 서비스의 점진적인 이점을 더 잘 이해하기 위해 연구 1군(AFDST 단독)과 연구 2군에서 공유 의사 결정 상담을 받았거나 받지 않은 사람들 사이의 "적절한 혈전 예방"을 비교하는 탐색적 분석을 수행할 것입니다. 의사 결정 지원 도구에 추가된 BPA 이상입니다. 조사관은 이러한 탐색적 분석이 결정적인 결과를 제공하기에는 충분한 힘이 없을 수 있음을 알고 있습니다.

모든 가설은 그룹과 그룹 및/또는 공변량의 효과를 비교하기 위해 연속 측정(예: 결정 충돌 척도) 또는 속도(예: 적절한 혈전 예방)를 모델링하여 해결됩니다. 가장 간단한 경우에는 t-검정, 독립 비율의 카이제곱 검정 또는 McNemar 검정이 될 수 있습니다. 환자 수준 공변량(예: 성별, 연령, 인종, 건강 문해력, 산술 능력, CHA2DS2VASc 및 HASBLED 점수) 또는 의사/개업 수준 공변량(예: 외래 또는 입원 환자 치료 현장, 교수진 의사, 직원 임상의, 의료 특수) 일반화 선형 모델을 사용하여 수행됩니다. 가능한 경우 조사관은 GEE 접근 방식을 사용하여 공급자 및/또는 클리닉 효과를 무작위 효과 또는 클러스터로 취급하여 설명합니다. 이러한 모든 모델은 SAS 프로시저 GLM, GENMOD, MIXED 및 GLIMMIX를 사용하여 추정할 수 있습니다. 샘플 크기가 허용하는 한 조사관은 위에서 공변량으로 설명한 것과 유사하게 의사/진료 요인 및 환자 요인을 기반으로 하위 그룹에 대한 2차 분석을 수행합니다. 각 테스트의 알파는 여러 테스트에 대해 조정되지 않은 양측 0.05입니다. 조사관은 뇌졸중이나 출혈과 같은 임상 결과에 대한 간단한 설명 분석을 수행합니다. 그러나 연구자들은 순차 개입에 따른 사건 비율의 차이가 임상 결과에서 통계적으로 유의미한 차이를 입증할 만큼 충분히 클 것이라고 예상하지 않습니다.

조사관은 임상의의 행동이 이 프로젝트의 결과를 평가하는 데 중요하다는 것을 인식합니다. 각 임상 실습에는 실무 변경 전에 중재가 필터링되는 자체 문화가 있습니다. 박사 Kues, Arduser 및 Costanzo는 주요 실무 인력 및 관찰과의 반구조화된 인터뷰를 통해 다양한 EHR 개입을 통해 AFDST를 사용하여 실무 변경 및 의사의 경험 구현을 평가할 것입니다. 인터뷰는 정성적 소프트웨어 분석 프로그램인 Nvivo®를 사용하여 오디오 녹음, 코딩 및 분석됩니다. 조사관이 질적 분석을 통해 다룰 연구 질문에는 다음과 같은 임상의의 인식이 포함됩니다. 1) AFDST 사용 및 작업 흐름 통합의 용이성, 2) 환자 치료에서 AFDST의 유용성, 3) AFDST를 사용하여 환자를 공유된 작업에 참여시키는 방법 또는 사용 여부 의사 결정 토론, 4) 일부 환자에 대해 BPA를 무시하거나 우회하는 이유, 5) 도구 또는 EHR 및 작업 흐름에 통합을 개선하기 위한 제안.