건강 문해력이 낮은 환자를 위한 강화된 회복 프로그램 적용

근거: 낮은 건강 지식은 수술 인구의 3분의 1 이상에 영향을 미치며 수술 결과가 상당히 나쁜 것과 관련이 있습니다. 이 대규모 인구의 격차를 줄이기 위한 개입이 시급히 필요합니다. 이전 연구에서는 강화된 회복 프로그램(ERP)이 수술 결과의 인종적 격차를 완화하고 수술적 격차를 해결할 수 있는 실용적인 방법을 제공하는 것으로 나타났습니다. 그러나 기존 ERP는 여전히 더 나쁜 결과를 경험하는 낮은 건강 지식을 가진 환자에게는 제대로 작동하지 않습니다. 이러한 격차는 현재 ERP와 건강 지식 이해 능력이 낮은 환자의 요구 사항 간의 적합성 부족으로 인해 발생합니다. K23 보조금을 통한 이전 작업에서는 이러한 요구 사항을 평가하고 적합도를 개선하기 위한 새로운 다단계 전략을 개발했습니다. 즉, VISuAl 보조 장치를 사용하여 환자를 참여시키고, 의사 소통에 코치 제공자를 참여시키고, 건강 문해 능력을 교육하는 조직(VISACT)을 개발했습니다. 이제 이론 기반 적응 프레임워크를 사용하여 VISACT를 제공하고 테스트할 수 있는 기회가 존재합니다. 성공적인 적응은 기존 ERP를 변화시키고 건강 문해력이 낮은 인구에 대한 격차 감소 영향을 확대할 것입니다. 목표: 장기적인 목표는 기존 ERP의 상황 기반 적응을 통해 수술에서 불균형을 제거하고 건강 지식이 낮은 집단의 결과를 개선하는 것입니다. 가설은 VISACT가 건강 지식 능력이 낮은 환자를 위한 ERP 구성 요소에 대한 충실도를 향상시켜 수술 결과를 향상시킬 것이라는 것입니다. 이 목표를 달성하기 위한 목표는 다음과 같습니다. (SA1) VISACT로 강화할 ERP의 건강 정보 이해력에 민감한 구성 요소를 식별하고, (SA2) ERP 팀의 제공자 및 조직 단위의 건강 정보 이해력 요구 사항을 평가하고, (SA3) 제공 및 시범 운영합니다. 기존 ERP에서 VISACT 구현 전략을 테스트합니다. 방법: 첫째, Dynamics Adaptation Process 프레임워크에 따라 대규모 ERP 데이터베이스(n>7,000)에 대한 기계 학습을 사용하여 VISACT(SA1)로 보강할 ERP의 건강 정보 이해력에 민감한 구성 요소를 식별합니다. 둘째, 수렴 혼합 방법 통합 접근 방식을 사용하여 세 가지 상호 연관된 방법을 통해 ERP 구현 팀에 적응하기 위한 건강 지식 지식, 모범 사례 및 준비의 격차를 식별합니다. 120명의 이해관계자를 대상으로 한 반구조화된 인터뷰와 건강 지식 지식 및 조직의 적응 준비 상태를 측정하는 설문조사입니다. 셋째, VISACT 개입은 예비 연구에서 새로운 대화형 응답 플랫폼을 통해 앨라배마(도시 및 농촌)의 두 곳에서 테스트되고 도달 범위, 효능, 채택, 구현 및 유지 관리 조치. 획득한 데이터는 Deep South에서 VISACT에 대한 다중 기관의 계단식 웨지 시험 설계를 알려줄 것입니다. 의의: 이 연구는 건강 지식 장벽을 제거하고(#24) 다양한 상황에 개입을 적용하는 과학을 구축함으로써(#30) 수술적 불균형을 제거하고 NIMHD 과학 비전 연구 전략에 직접 대응하기 위한 NIH/NIMHD 임무를 발전시킬 것입니다. 또한 이 프로젝트는 (i) 수술에 대한 최초의 건강 지식 개입을 제공하고, (ii) 수술 불균형을 해결하기 위한 새로운 구현 전략(VISACT)을 수립하고, (iii) 적응을 통해 개입 과학을 발전시킬 것입니다.