일시 중지: 아픈 날 약 관리 모바일 앱 연구 (PAUSE)

이전 연구에서는 "부작용을 예방하기 위해 당뇨병 및 CKD 환자에게 병가 약물 지침을 제공하려는 임상의의 결정에 영향을 미치는 요인"에 대해 앨버타의 의료 서비스 제공자를 대상으로 조사했습니다. 우리의 결과에 따르면 일차 의료 서비스 제공자의 75%가 병가 약 복용 지침을 알고 있었지만 지침과 리소스를 어디서 찾을 수 있는지 알고 있는 경우는 56%에 불과했습니다. 압도적인 대다수의 응답자(97%)가 병가 치료 지침 제공을 위한 대체 혁신을 평가하는 연구에 환자 등록을 지지했습니다.

기존 개입을 요약한 최근 범위 검토에서 우리 연구팀은 출판된 SDMG 문서의 대부분이 의료 서비스 제공자를 대상으로 하고 환자를 대상으로 한 문서는 거의 없다는 사실을 발견했습니다. 이는 주로 유인물, 지갑 크기의 카드, 웹페이지 또는 전화 지원 형태였습니다. 현재 SDMG 개입의 개발, 구현 또는 평가에 대한 1차 연구는 제한적입니다. 대부분은 따라가기가 어려운 것으로 보고되었으며 오류 없이 병가 또는 적격 약물 식별이 낮았습니다. 이 설문조사와 검토는 환자에게 SDMG를 제공하기 위한 새로운 솔루션을 개발하고 평가해야 할 필요성을 강조합니다. 우리의 이전 연구에서는 또한 캐나다의 노인들이 전자 의사소통 수단의 사용을 수용하고 몇몇 환자들이 병가 자기 관리를 위해 전자 건강(eHealth) 도구를 사용하는 데 관심을 표명했다는 사실을 발견했습니다.

중재를 받는 참가자는 급성 질환 중에 환자가 사용할 수 있는 SDMG 자가 관리 도구인 PAUSE 앱에 액세스할 수 있습니다. 사용자의 Loblaw/Shoppers Drug Mart 약국 기록은 President's Choice(PC) 건강 앱 내의 PAUSE 앱에 전자적으로 연결되어 현재 처방된 약품을 기반으로 최신 권장 사항을 제공합니다. 이 앱은 적격 병가 질병을 식별하는 징후와 증상에 관해 사용자에게 일련의 질문을 하고, 응급 상황이나 의료 서비스 제공자 또는 긴급 진료 의뢰가 필요한 '위험 신호'를 선별하고 환자가 어떤 약을 복용해야 하는지 식별하도록 돕습니다. 환자의 현재 약물 목록에 맞춰 일시적으로 보류하거나 조정합니다. 이는 환자에게 아픈 날 동안 약물 관리에 대한 대화형 지원을 제공하는 것을 목표로 합니다. 중재의 일환으로 환자는 SDMG 환자 유인물도 받게 됩니다. 이 개입은 SDMG를 보장하는 적격 징후 및 증상을 식별하고 SDMG 제공을 촉진하도록 설계된 대화형 및 개별화된 전자 애플리케이션을 통해 적격한 약물을 식별하는 이전에 식별된 문제를 해결합니다. 일반 치료 그룹은 SDMG 개요와 SDMG에 적합한 약물을 설명하는 SDMG 환자 유인물을 받게 됩니다.

예비 데이터를 기반으로 조사관은 오류 없이 시뮬레이션된 병가를 완료한 참가자 비율의 절대 차이가 30%(PAUSE 앱 사용 시 50% 대 PAUSE 앱 사용 시 20%)라고 가정합니다. 약국 클러스터 간 양측 알파 0.05, 검정력 80%, 클래스 간 상관 계수 0.1을 사용하면 참가자 280명의 표본 크기가 필요합니다. 후속 조치에 대한 10%의 손실을 고려하기 위해 조사관은 총 320명의 참가자를 임상시험에 모집하는 것을 목표로 할 것입니다. 조사관은 각각 20명의 참가자를 모집할 16개의 약국을 모집할 계획입니다.

데이터 분석 사회인구통계, 동반질환, 활성 처방을 포함한 참가자 기본 데이터는 기술 통계를 사용하여 분석됩니다. 타당성 및 충실도 결과는 숫자와 백분율이 포함된 기술 통계를 사용하여 보고됩니다. 그룹 간 결과 비교(예: PAUSE 앱 대 일반 치료)는 조정되지 않은 일반 추정 방정식을 사용하여 보고되어 그룹 간의 평균 차이와 위험 차이를 결정합니다. 후속 조치 기간 이후 그룹 차이를 평가하기 위해 기술 통계가 적절하게 사용됩니다. 주요 변수와 연구 결과 간의 연관성은 적절한 단변량, 다변량 및 혼합 모델 분석을 사용하여 분석됩니다. 사용자 행동 통찰력을 보고하기 위해 Google Analytics 데이터에 대한 탐색적 분석이 수행됩니다. 5년의 연장된 추적 기간 동안 정기적으로 수집된 건강 데이터 분석을 사용하여 개입이 건강 결과에 미치는 영향을 결정합니다.

시뮬레이션된 병가 평가는 Doerfler 등이 사용한 시나리오를 기반으로 사전 정의된 점수표에 따라 점수가 매겨지고 분석됩니다. 급성 질환 중 SDMG의 올바른 사용법을 측정합니다. 로그 이항 회귀 모델을 사용하여 시뮬레이션된 병가의 오류 없는 완료 결과에 대한 위험 비율(RR)과 95% 신뢰 구간은 물론 3가지 개별 구성 요소 각각의 올바른 완료에 대해 직접 추정합니다. 아픈 날 시뮬레이션. 무작위 효과는 약국별 클러스터링을 설명하는 데 사용됩니다. 연령, 성별, 인구 통계, 당뇨병, 기타 동반 질환, 적격 약물 수 및 단변량 분석의 기타 중요한 혼란 변수를 포함한 개별 참가자 특성에 대한 고정 효과를 포함하여 조정되지 않은 모델이 적합합니다. 또한, 시뮬레이션된 병가 관리에 있어 PAUSE 앱 및/또는 SDMG 환자 유인물의 유용성과 중재의 전반적인 수용 가능성에 대해 참가자로부터 수집한 데이터는 중재의 충실도를 추가로 평가하는 데 사용됩니다. 모든 통계 분석은 R에서 완료됩니다.

선별된 참가자(환자 및 약사)는 목적 샘플링 전략에 따라 시뮬레이션된 병가 시나리오 평가 후 인터뷰에 초대됩니다. 일대일 반구조화된 인터뷰는 참가자와 약사를 대상으로 30~60분 동안 진행됩니다. 인터뷰 질문과 분석은 연구 전반에 걸쳐 반복되어 새로운 주제나 불규칙한 주제를 향후 인터뷰에서 조사할 수 있도록 합니다. 질적 인터뷰는 음성 녹음되고, 그대로 전사되며, 귀납적 주제 분석의 여러 단계를 사용하여 검사됩니다. 수집된 현장 노트와 인터뷰 녹취록은 NVIVO 정성 분석 소프트웨어를 사용하여 분석됩니다. 데이터 분석은 첫 번째 참가자 인터뷰가 끝난 후 즉시 시작됩니다. 데이터는 두 명의 연구자가 독립적으로 코딩한 후 첫 번째 인터뷰 후 코드를 비교하여 후속 인터뷰를 위한 코딩 매뉴얼 초안을 작성합니다.