비뇨기과 진료 예약의 불이행률에 대한 이메일 알림의 영향

정당화

HIBA(Italian Italiano de Buenos Aires) 병원의 외래환자 부서와 의료 정보학과에서는 예정된 외래 환자 예약에 대한 이메일 알림을 기반으로 공동 전략을 설계했습니다. 병원 의사와 약속(대면 또는 원격 상담)을 예약한 환자는 요청 시점과 예약 14일 전, 48시간 전에 예약을 상기시키는 이메일을 받게 됩니다. 시간과 가야 할 장소. 또한 이메일에 버튼을 추가해 환자가 간단한 방법으로 해당 버튼을 클릭하고 바로 취소할 수 있도록 했다.

동일한 알림에서 약속을 취소할 수 있는 가능성은 약속을 잊어버리지 않은 상태에서 이를 취소해야 하거나 놓치고 싶어하는 사람들에게 영향을 미치도록 의도되었으며 이를 통해 필요한 다른 환자를 위해 약속을 무료로 남겨둘 수 있습니다. .

모든 유형의 알림은 노쇼율 감소와 관련이 있는 것으로 보입니다. 그러나 출판된 수치가 우리 환경에 적용될 수 있는지 여부는 의문입니다. 상황과 인구의 다양성은 개입 효과의 크기에 영향을 미칠 수 있습니다.

문헌을 검토한 결과, 우리나라에서는 예약 알림 및 결석률을 분석한 연구가 발견되지 않았으므로 HIBA 비뇨기과에서 이러한 영향을 평가하는 연구를 수행할 것을 제안합니다. 임상 시험을 고려할 수 있고 알림 전송을 무작위로 지정할 수도 있지만, 이 연구를 수행하기로 결정했을 때 이미 모든 부서에서 중재가 구현되었습니다.

연구 질문

HIBA 비뇨기과 외래 진료 예약을 이메일로 알려주는 것이 18세 이상 환자의 불참율을 줄이는 데 효과적입니까?

선택 및 샘플 크기

2022년에 이탈리아노 데 부에노스아이레스 병원 비뇨기과(HIBA)는 중앙병원에서 약 29,000건, 이탈리아 산 후스토 병원에서 11,500건의 진료를 수행하여 자발적인 초과근무 및 자발적인 요구 진료를 포함하여 총 40,500건의 진료를 수행했습니다. 예상 주간 평균 약속 수는 779건입니다. 현재 HIBA 비뇨기과 서비스에서는 예정된 외래 진료 예약에 대한 노쇼율이 약 21%입니다.

우리는 알림 시스템을 통해 불참 비율의 상대적인 25% 감소를 달성하는 것이 임상적으로 관련이 있을 것이라고 믿습니다. 즉, 기준 불참 비율 21%에서 16%로.

STATA와 샌프란시스코 대학에서 무료로 제공하는 샘플 계산 도구를 사용하여 그룹 간 불참률의 계산된 차이를 추정하는 데 필요한 총 N은 약속 1,892건(그룹당 약속 946건)이라고 추정했습니다. 사용된 매개변수는 다음과 같습니다: 알파(양측)= 0.05, 베타= 0.20; q1(노출된 약속의 비율)= 0.50; P0(노출되지 않은 그룹의 불참률 기준 위험)= 0.21 및 P1(노출된 그룹의 예상 위험)= 0.16.

알림 구현 전후에 요청된 약속 횟수는 연구 가설을 테스트하기에 충분합니다.

데이터 수집 도구

우리의 연구를 위해 우리 기관의 생명윤리위원회의 프로토콜 승인 후 보건정보학과에서 요청한 보조 데이터베이스를 사용할 것입니다. 예약 관리가 단일 데이터 저장소에 중앙 집중화되어 있기 때문에 전체 HIBA 전자 건강 시스템에서 환자 및 예약 요청에 해당하는 모든 데이터를 얻을 수 있습니다.

데이터 분석 및 결과 보고 계획

노쇼율에 대한 개입의 효과를 평가하기 위해 개별적인 접근 방식이 사용됩니다. 분석 단위는 할당된 약속입니다. 노출의 성격과 리마인더 제도의 시행으로 인해 시행일 이전의 약속은 모두 미노출 약속에 해당하고, 시행일 이후 배정된 약속은 모두 노출된 약속에 해당합니다.

정량적 변수는 절대빈도와 상대빈도를 백분율로 표시하여 설명합니다. 정량적 변수는 관찰된 분포에 따라 평균 및 표준편차 또는 중앙값 및 사분위수 범위로 표시됩니다.

노쇼(No-Show) 및 약속 취소 건수를 계산할 때는 각각 노쇼(No-Show) 건수와 약속 취소 건수를 분자로 사용합니다. 노쇼율의 경우, 사용된 분모는 취소되지 않은 약속의 수이며, 이는 문헌에서 이 지표를 표시하는 데 일반적으로 사용됩니다. 취소된 약속 비율은 총 요청된 약속 수를 분모로 사용합니다. 두 경우 모두 동일 기간 동안 포함 기준을 충족하는 약속만 적용되며 제외 기준은 적용되지 않습니다. 비율이 충분히 크기 때문에 각 비율별로 정규근사로 추정한 95% CI(신뢰구간)를 제시하겠습니다.

알림에 노출된 취소되지 않은 요청된 약속과 알림에 노출되지 않은 취소되지 않은 요청된 약속 간의 누락된 약속 비율이 동일하다는 귀무 가설을 테스트하기 위해 다변량 로지스틱 회귀 모델이 사용됩니다. 우리는 미리 알림에 대한 노출을 주요 노출로 간주하고 약속에 대한 노쇼를 결과 변수로 간주합니다. 동일한 환자의 진료는 다른 환자의 진료보다 서로 더 유사하므로 각 환자는 표준오차의 강력한 추정자를 사용하여 대기업 또는 클러스터로 간주됩니다. 시간(일)이 조정 공변량으로 사용됩니다. 우리는 환자의 성별, 연령, 의료 보장 범위, 예약 요청 이후 시간(일, 시간, 요일 및 월), 장소를 포함하여 연구팀과 문헌에서 관련성이 있다고 간주하는 잠재적 혼란 요인을 조정할 것입니다. 치료 (중앙 병원, San Justo 또는 주변 센터). 놓친 약속에 대한 조잡한 OR과 조정된 OR은 95%CI로 추정됩니다.

미리 알림에 노출된 요청된 약속과 미리 알림에 노출되지 않은 요청된 약속 간의 취소된 약속 간의 취소된 약속 비율이 동일하다는 귀무 가설을 테스트하기 위해 이전 목표에 대해 설명한 것과 동일한 방법이 사용됩니다.

성별, 연령층, 의료보장범위, 예약시간, 요일, 예약월, 진료장소(산중앙병원, 산산병원)에 따라 사전에 정의된 하위그룹을 대상으로 중재 효과를 평가하게 됩니다. Justo 또는 주변 센터).

0.05 미만의 확률은 통계적으로 유의미한 것으로 간주됩니다. 통계 분석은 STATA 버전 17 소프트웨어(Texas USA)를 사용하여 수행됩니다.

손실된 데이터 처리

이 분석에 사용되는 데이터베이스에는 누락된 데이터의 비율이 매우 낮습니다. 누락된 데이터는 무작위로 완전히 누락된 것으로 간주될 수 있으므로 개별 분석에는 완전한 사례 분석이 사용됩니다.

연구의 편견과 한계

선택한 방법론을 고려할 때 우리 연구의 한계는 주로 노출의 무작위화가 부족하기 때문입니다. 이로 인해 혼란스러운 요소가 발생하는데, 일부는 선험적으로 고려되지만 모든 요소가 알려져 있지 않기 때문에 전체적으로 고려할 수는 없습니다. 반면에, 표본 그룹은 예를 들어 시간 종속 변수에서 발생할 수 있는 혼란 요인 측면에서 균형을 이루지 못할 수 있습니다. 그러나 개입은 무작위로 정의된 시점부터 시행되었기 때문에 교란변수는 균형을 이룰 가능성이 가장 높으며, 결국 통계적 방법을 통해 조정될 수 있습니다.

많은 후향적 연구가 불완전하거나 부정확한 정보를 기반으로 수행되는 반면, 본 연구의 많은 행정 변수는 연구 기간 내내 안정적으로 유지되는 표준화된 프로세스를 통해 완전하고 자동으로 수집됩니다. 본 연구의 행정변수와 달리 생년월일 등 기타 변수는 전산화되어 있음에도 불구하고 원래 병원 관리자가 업로드한 데이터이므로 오류가 발생하기 쉬운 데이터이므로 오류나 불완전한 데이터가 포함될 수 있다.

추가적인 제한은 개인의 사회 경제적 지위 및/또는 eHealth 활용 능력과 같은 측정되지 않은 모든 변수입니다. 모든 사람이 매일 이메일을 여는 것은 아니며 누가 알림을 읽었는지 측정할 수 없기 때문에 개입이 목표를 달성하지 못했다고 잘못 믿을 수 있습니다. 실제로는 환자가 이메일을 열지 않았고 그래서 알림에 노출되지 않았습니다. 앞으로는 문자 메시지나 WhatsApp을 통해 환자의 휴대폰으로 직접 전송되는 알림과 결과를 비교하는 것이 흥미로울 것이라고 생각합니다.

한편, 앞서 언급한 이유로 개입 실행으로 인해 기관에 추가 비용이 발생하지는 않지만, 개입이 경제적 이익을 얻는지 여부는 평가하지 않습니다.

우리 연구의 또 다른 한계는 사용자가 알림을 수용할 수 있는지 평가하지 않는다는 것입니다. 선택권이 주어지면 환자는 개인 선호도에 따라 다른 유형의 알림을 선택할 수도 있습니다.

또한 원격 상담은 분석에서 제외되므로 개입의 영향을 추정할 수 없습니다.

외적 타당성에 관한 한, 얻은 결과는 우리 병원의 구조를 갖고 있지 않은 다른 의료 센터에 추론되지 않을 수 있습니다. 모든 환자에게 이메일 알림을 보내기 위해서는 전자의무기록과 스케줄링 시스템의 정보를 통합 처리하는 전자시스템이 필요하며, 이를 대량 메일링 시스템과 연계하여 자동으로 처리할 수 있도록 하는 시스템이 필요하다. 그렇지 않으면 이 모든 작업을 수행할 인적 자원이 필요하므로 비용 효율적이지 않을 수 있습니다.

마지막으로, 연구된 개입에는 두 가지 구성 요소(건망증을 예방하는 알림 자체와 약속 취소 촉진제)가 있으므로 개입의 각 구성 요소의 효과를 개별적으로 추정하는 것은 불가능하다는 점을 언급할 가치가 있습니다.

예상 영향

이를 통해 노쇼율은 25%(즉, 노쇼율은 16%) 감소하고, 평균 약속 대기 시간은 최소 하루 이상 줄어들 것으로 예상된다. 또 취소 건수도 20% 정도 늘어날 것으로 예상된다.

자원 및 예상 예산

이 작업을 완료하는 데 필요한 자원을 사용할 수 있습니다. 어떠한 경우에도 본 연구는 환자 또는 의료 보장에 대한 추가 비용을 나타내지 않습니다. HIBA 의료정보학과는 이미 대량 메일링 시스템을 갖추고 있어 알림 전송에 재정적 투자나 추가 인력이 필요하지 않습니다.

연구를 담당하고 정보의 검색, 처리, 분석을 담당하는 팀은 근무일 중 규정된 기한 내에 연구를 완료할 수 있도록 충분한 보호 시간을 갖습니다.

윤리적 고려사항

이 연구 프로토콜은 이미 우리 병원의 생명 윤리 위원회(IRB(Institutional Review Board)) N° 6878에서 승인되었습니다.