1차 의료에서 ​​eVidence 기반 관행을 구현하기 위한 감사 및 피드백 최적화 (ACTIVATE)

연구자와 전문가들은 상위 7개의 AnF 개입 구성요소를 생성하기 위해 협의 회의를 가질 것이며, BWS 설문 조사를 통해 이러한 구성요소의 중요도에 따라 순위를 매기고 추가적으로 요인 시험을 통해 효과 검증을 위해 잠재적으로 가장 효과적이고 실행 가능한 3개의 구성요소를 선택할 것입니다. 다음 단계. BWS 조사는 무작위 효용 이론에 기초한 스크리닝 실험으로 참가자가 일련의 구성 요소 또는 옵션 중 가장 좋은 것과 가장 나쁜 것을 선택함으로써 트레이드 오프 메커니즘이 촉발되어 각 구성 요소의 상대적 중요성을 정량화하고 가장 좋은 것을 구별합니다. 일련의 중요한 구성 요소 중에서 두드러집니다. BWS 설문지는 치료의 질(지침 항목 완료율)을 개선하기로 결정할 때 의료 종사자가 다양한 AnF 구성 요소(상대적 중요도)를 우선적으로 수용하도록 하기 위해 이전 연구 결과를 기반으로 혼합 방법 접근 방식을 사용하여 개발 및 테스트됩니다. ), 구성 요소 범위 중에서 잠재적으로 가장 중요한 몇 가지 구성 요소를 추가로 식별하기 위해.

BIBD(Balanced Incomplete Block Design)는 항목을 블록으로 구성하고 참가자 간에 항목 표시 수의 균형을 유지하여 결과를 개선하기 위해 BWS에서 사용되는 실험 설계로, 이를 통해 연구자는 항목 집합을 서로 효율적으로 비교할 수 있습니다. BIBD는 블록의 항목과 쌍 항목의 동일한 발생 횟수를 보장하여 편향을 줄이고 평가의 통계적 정확성을 높입니다. BIBD는 순위가 매겨진 항목 수가 많을 때 특히 유용합니다. 조사관은 항목을 무작위로 하위 집합(예: 블록) 각 참가자에게 모든 블록이 포함된 설문지를 할당하여 강력한 선호도 순위를 보장합니다. 조사관은 SAS 9.4 소프트웨어의 %MktBSize 매크로를 사용하여 설문지 개발을 위한 BIBD를 실현할 것입니다. 우리 연구에서 7가지 AnF 개입 구성요소(치료)에 대해 조사자는 각각 3개의 AnF 구성요소(치료)를 포함하는 7개의 다른 블록을 갖게 됩니다. 조사관은 참가자들에게 이 7가지 블록 중 어떤 AnF 구성 요소가 가장 효과적이며 어떤 AnF 구성 요소가 가장 효과적이지 않은지 생각해 보도록 초대할 것입니다. 조사자는 구성 요소가 가장 효과적인 것으로 선택되면 1점을 주고, 구성 요소가 가장 덜 효과적인 것으로 선택되면 -1점을 줍니다. 그런 다음 각 구성 요소의 표준화된 점수를 기반으로 조사관은 BWS 설문 조사에서 가장 효과적인 3가지 구성 요소를 최종 결정합니다.

최적화 단계에서는 2×2×2 요인 설계(RCT)가 수행되며, 3개의 2단계 구성 요소가 총 8개의 AnF 개입 그룹을 구성합니다. 1차 의료 시설 및 종사자의 동의를 얻은 후 모든 시설은 무작위로 8개 개입 그룹에 배정됩니다. 그런 다음 조사관은 이러한 시설의 다양한 감사 및 피드백을 통해 의료 품질의 변화를 측정하고 통계 분석을 사용하여 일차 의료 품질 개선에 대한 AnF 구성 요소의 주요 효과와 상호 작용 효과를 추정합니다. 최적의 AnF 조합은 로컬 구현 설정의 효과 및 리소스 제약을 고려하여 결정됩니다.

조사자들은 BWS 조사에서 각각 2개 수준의 다음 3개 AnF 구성요소가 선택되었다고 가정합니다.

1. 피드백 출처:

   레벨 1: 연구원 레벨 2: 권위 있는 기관

2. 동료 비교를 통한 피드백:

   수준 1: 예(동료 비교) 수준 2: 아니요(동료 비교 없음)

3. 피드백 전달 방법:

1단계: 대면 2단계: 전자우편

8개의 AnF 개입 그룹을 결정한 후 조사관은 1차 의료 종사자, 정책 입안자 및 의료 시스템 관리자를 초대하여 4개의 서로 다른 LMIC의 1차 의료 시설에서 8개의 AnF 개입을 수행하기 위한 실행 가능하고 실행 가능한 세부 사항을 논의할 것입니다. 시설의 의료 품질에 대한 감사 결과는 시설의 의료 종사자에게 피드백되고 AnF의 효율성을 반영하는 결과 지표가 측정됩니다.