건강증진 근무일정: 퀵리턴 폐지의 효과 (HeWoS)

목표 이것은 빠른 복귀가 포함된 일정과 비교하여 6개월 동안 빠른 복귀 없이 교대 근무 일정의 결과를 평가하는 두 가지 클러스터 무작위 통제 시험입니다. 먼저, 6개월 개입 기간 동안 병가의 차등적 변화를 조사합니다. 둘째, 수면과 기능, 신체적·정신적 건강, 업무상 사고, 이직의도 등에서 차등적인 변화가 있는지 살펴본다. 셋째, 성별, 연령, 성격 및 주관적으로 보고된 수면 요구를 포함한 교대 근무 허용 오차와 관련된 개별 특성이 1차 및 2차 결과에 대한 빠른 복귀의 부정적인 영향을 완화하는지 조사할 것입니다. 마지막으로, 이 연구는 근무 일정에 대한 만족도, 직업 만족도, 직업 참여 및 일-가정 간섭과 같은 개별 요인이 1차 및 2차 결과에 대한 빠른 수익의 부정적인 영향을 완화하는지 조사할 것입니다.

연구 설계 빠른 수익을 없애는 작업 일정(개입)과 정상적인 빠른 수익을 유지하는 작업 일정(제어)을 비교하는 군집 무작위 통제 시험이 수행됩니다. 클러스터는 중재를 받거나 받지 않도록 무작위로 선택된 병원 단위를 나타냅니다. '정상적인 신속반납량'이란 최근 몇 년간(즉, 명시적인 근무일정의 변경이 없을 때) 해당 병동에서 일반적으로 시행되고 있는 것을 말하며, 단위는 연간 329-2356으로 다양합니다. 병원 단위는 2020년 9월에 두 조건 중 하나로 무작위 배정되었으며, 그 중 2020년 가을은 2021년 교대 일정을 계획하는 데 사용되었습니다(즉, 개입 그룹에 대한 빠른 반환을 제거하고 제어 그룹에 대한 빠른 반환을 그대로 둡니다). 대부분의 유닛에서 2021년 2월/3월부터 개입 기간이 시작됩니다. 이 연구의 개입 기간은 6개월입니다. 이 시험의 대부분의 단위는 2021년 2월/3월에 개입 기간을 시작하지만 일부 단위는 실용적인 이유로 순환 연도의 후반기에 개입 기간을 시작합니다. 즉, 2021년 8월/9월 이후입니다.

주요 결과는 병원에서 보관하는 지역 기록에서 검색된 병가입니다(단기 및 장기 병가 포함). 기준선 측정은 개입 이전 연도의 병가이며, 각 개별 참가자에 대해 개입 기간의 기간 및 계절과 일치합니다. 질병 부재 데이터는 병원에서 보관하는 지역 기록에서 검색됩니다(Vedaa, Pallesen et al. 2017). 이 기록에는 개별 직원의 부재 날짜에 대한 정보가 포함되며 이는 단기 및 장기 질병 부재에 대한 정보가 포함되어 있음을 의미합니다. 또한 이러한 데이터에는 결석이 ​​자체 인증인지 또는 의사의 인증인지 여부, 결석이 직원이 돌봐야 할 아픈 자녀 때문인지 여부, COVID-19로 인한 결석 여부에 대한 정보가 포함됩니다. 19 관련 문제(예: 검역). 등록 데이터 사용에는 개별 동의가 필요하지 않습니다. 그러나 시험의 동의 기반 부분도 수행되며, 이차 결과 측정은 기준선 및 6개월 후속 조치에서 설문지를 통해 수집됩니다. 무작위 단위의 모든 직원(n ≈ 4000)은 병원 내부 웹사이트를 통해 제공되는 디지털 설문지를 작성해야 합니다. 기본 평가는 개입 기간 이전에 수행되며 후속 평가는 개입 기간이 끝날 무렵에 수행됩니다. 하위 샘플(n ≈ 50)은 각각 기준선 및 후속 평가에서 고급 레이더 기술(Somnofy™)로 수면을 객관적으로 기록하고 수면 일기를 통해 주관적으로 ≥1주 동안 수면을 기록하도록 요청받습니다.

참가자 및 절차 모집 이 시험은 Haukeland 대학 병원의 인사과와 긴밀히 협력하여 수행됩니다. 병원에 24시간 상주하는 모든 병원 치료 단위는 의사를 제외한 모든 의료 종사자가 교대로 근무하는 무작위 배정됩니다. 의사는 다른 직업 그룹과 비교하여 교대 일정 및 보상 체계가 다른 경우가 많기 때문에 포함되지 않습니다. 이하 '전 직원'은 의사를 제외한 무작위 병동에서 교대 근무하는 모든 의료종사자를 말한다. 무작위 병원 단위의 모든 직원(n ≈ 4000)은 개입 기간 이전과 종료 시점에 설문지를 작성해야 합니다. 시험의 이 부분에 대한 모집은 병원의 내부 웹 사이트를 통해 이루어집니다. 병원의 연구원 및 인사 담당자는 포함된 모든 단위의 직원 회의에 참석하여 연구 프로젝트에 대해 알리고 참여를 독려합니다. 무작위로 선택된 직원 n ≈ 50명의 하위 표본(개입 및 제어 장치에서 고르게 분포됨)이 시험의 수면 모니터링 섹션에 모집됩니다.

무작위화 및 마스킹 이 시험의 무작위화는 병원 단위가 클러스터를 구성하는 클러스터 수준에서 발생했습니다. 병원 단위는 하루 24시간 동안 얼마나 많은 직원이 필요한지에 따라 다를 수 있으므로 작업 일정과 예를 들어 빠른 복귀 및 야간 교대 발생은 단위마다 다를 수 있습니다. 따라서 유사한 단위는 일부 속성이나 특성을 공유한다는 사실을 기반으로 함께 그룹화되었습니다. 그런 다음 두 연구 조건에 대해 1:1 비율로 층화 무작위화를 수행했습니다. 예를 들어, 하나의 하위 그룹은 응급 기능이 있는 단위, 집중 치료 기능이 있는 다른 단위, 정신 건강 관리 단위, 출산 관리 단위 등으로 구성될 수 있습니다. 총 10개의 지층이 있었고 각 지층의 크기는 2~19개의 병원 단위로 다양했습니다. 각 계층에 대한 무작위화 목록은 온라인 무작위화 웹페이지 www.randomization.com에 의해 생성되었습니다. 각 계층의 목록이 저장되었습니다.

참가자가 할당된 그룹에 대해 눈이 멀게 되는 것은 불가능합니다. 단, 통계 분석은 그룹 할당에 가려진 연구원이 수행합니다.

샘플 크기 이 실험에서는 교대 근무를 하는 의료 종사자가 있는 Haukeland 대학 병원의 모든 이용 가능한 병동에 대해 적격성을 평가합니다. 여기에는 76개 부서와 4260명의 의료 종사자가 포함됩니다. 이전에 게시된 데이터5를 기반으로 하여 총 2028명의 참가자가 0.9일과 1.25일의 병가 일수 차이와 0.1의 ICC 및 52 단위의 평균 크기를 나타내기에 충분하다고 계산했습니다(계산: StataCorp. 2015).33 따라서 계획된 모집 전략(예: >70 단위 및 >4000 의료 종사자 초대)을 사용하여 이 숫자를 초과하고 기본 결과 변수에 필요한 참가자 수 내에 있을 것으로 예상합니다.

데이터 분석 계획 달리 명시되지 않는 한 모든 분석은 치료 의도 모집단을 기반으로 수행됩니다. 1차 및 2차 결과에 대한 빠른 수익의 감소된 교대 일정의 효과를 조사하기 위해 관찰된 비율 또는 점수를 잠재적 성장 모델(또는 일반화된 선형 혼합 모델과 같은 기타 동등한 모델)을 통해 분석합니다. 개입 기간 전과 개입 기간 동안 관찰된 비율 또는 점수는 무작위 절편과 고정 기울기에 의해 모델링됩니다. 개입의 효과는 기울기의 예측 변수로 그룹 변수(개입 대 통제)를 사용하여 추정됩니다. 그룹 간 효과 크기(Cohen's d)는 기준선에서 후속 평가까지 점수의 추정된 변화의 평균 차이를 기준선에서 풀링된 SD로 나누어 계산됩니다. 강력한 최대 우도가 추정기로 사용되어 데이터가 무작위로 누락된다는 가정 하에 편향되지 않은 추정치를 제공하며(Enders 2010) 모델에 기준 점수를 포함하여 부분적으로 충족될 수 있습니다. 이 시험의 주요 결과 측정은 병원 등록부에서 검색된 결근 데이터이며 누락된 데이터가 없을 것으로 예상됩니다. 그러나 데이터가 설문지 또는 수면 레이더를 통해 수집되기 때문에 2차 결과 측정에 대한 일부 누락된 데이터를 예상하는 것이 합리적입니다.

후속 설문지 및 수면 레이더 평가를 위한 일부 데이터는 무작위가 아닌 누락되기 때문에 무작위 누락 가정 하에서 결과의 견고성은 후속 조치에서 누락된 점수가 되는 민감도 분석에 의해 테스트됩니다. 각 개인의 기본 값으로 대체됩니다. 이러한 민감도 분석은 각 기사의 초점에 따라 선택된 변수에 대해서만 수행됩니다.

Intention-to-treat 분석에는 급여 데이터를 기반으로 개입 기간 동안 빠른 반환 횟수가 완전히 폐지되었거나 만족스럽게 감소한 그룹을 정의하는 선택된 프로토콜별 분석이 수반될 수 있습니다.

병가의 주요 결과는 개입 기간 동안과 비교하여 주어진 기간 동안 총 병가 일수 및 기간(주문)의 관점에서 주로 분석됩니다(Vedaa, Pallesen et al. 2017). 결근 모델은 이러한 유형의 데이터에서 제로 인플레이션을 고려합니다. 문헌의 권고에 따라 병가의 다른 조작화도 고려될 수 있습니다(Hensing, Alexanderson et al. 1998). 결근 데이터에 대한 추가 조사를 위해 시간을 다르게 취급하는 다른 모델의 사용을 고려할 것입니다. 예를 들어, 빠른 복귀 수에 대한 시간 종속 공변량(예: 사람이 각 그룹에 빠른 반환이 있습니다). 또 다른 가능성은 그 사람이 빠른 복귀를 할 때마다 참가자가 "0"에서 시작한다고 말하고 마지막 빠른 복귀에서 첫 번째 후속 병가 에피소드까지의 시간을 측정하면서 예를 들어 반복 관찰을 조정하는 것입니다. 강력한 분산 추정(빠른 수익이 아닌 그룹은 실제로 빠른 수익이 없다는 점을 감안할 때 개입 시작부터만 따를 것입니다). 또 다른 옵션은 병가에서 직장 복귀까지의 시간에 대한 모델을 설정하는 것입니다.

빠른 복귀가 없는 근무 일정을 도입하면 다른 바람직하지 않은 특성(예: 더 많은 연속 야간 근무)이 증가하는 대체 일정이 수반될 수 있으므로 이러한 특성을 조정하는 분석 수행을 고려할 것입니다.

중재자 및 중재자 분석은 다른 사람이 설명한 대로((예: Kraemer, Wilson et al. 2002)) 무작위 대조 시험에서 이러한 분석의 기본 원칙에 따라 탐색 목적으로 수행됩니다. 예를 들어, 무엇보다도 인구 통계, 수면 관련 성격 특성(rCTI 및 MEQ), 정신 건강에 대해 수집된 일부 데이터를 사용하여 개입의 영향을 완화할 수 있는 요인을 조사할 수 있습니다.

참조

엔더스, C. K. (2010). 누락된 데이터 분석을 적용했습니다. 뉴욕, 뉴욕, 미국, Guilford Press.

Hensing, G., 등. (1998). "병가를 측정하는 방법? 문헌고찰 및 5대 기본대책 제안." 스칸디나비아 공중 보건 저널 26: 133-144.

Kraemer, H. C., 외. (2002). "무작위 임상 시험에서 치료 효과의 중재자 및 중재자." 일반 정신과 기록 보관소 59: 877-883.

Vedaa, Ø., 외. (2017). "교대 간격 사이의 짧은 휴식은 병가의 위험을 증가시킵니다: 예비 등록 연구." 직업 및 환경 의학 74: 496-501.