Evaluatie van de implementatie van het diabetespreventieprogramma in een geïntegreerd gezondheidssysteem

De prevalentie van prediabetes en obesitas onder Amerikaanse volwassenen van 40 jaar en ouder is aanzienlijk, met meer dan 30% met prediabetes en meer dan 40% met obesitas.[1,2] Prediabetes en obesitas verhogen het risico op diabetes, hart- en vaatziekten en een slechte kwaliteit van leven, en zijn verantwoordelijk voor aanzienlijke zorgkosten.[3] Als reactie op de last van prediabetes en obesitas op meerdere niveaus, zijn er verschillende pogingen ondernomen om diabetes op populatieniveau te voorkomen en de kosten voor gezondheidszorg te verlagen, [4,5], waaronder nationale implementatie en terugbetaling van het succesvolle Diabetes Preventie Programma (DPP).

Vanaf april 2018 hebben de Centers for Medicare & Medicaid Services (CMS) een baanbrekende beslissing genomen om klinische en niet-klinische instellingen te vergoeden voor het verstrekken van DPP aan Medicare-begunstigden (d.w.z. Medicare DPP); deze dekking is momenteel alleen voor persoonlijke DPP en niet voor digitale DPP.[6,7] De beslissing van CMS om DPP te dekken bij oudere volwassenen met prediabetes heeft de inspanningen binnen zorgorganisaties verder gekatapulteerd om het toenemende aantal mensen met diabetes die zorg ontvangen in hun faciliteiten aan te pakken. . Er zijn echter maar weinig studies die de duurzaamheid van het verstrekken van DPP hebben onderzocht op basis van behoud van het effect (d.w.z. langetermijnverandering in gewicht en HbA1c), kosten voor gezondheidszorg, ervaring van deelnemers en organisatorische ondersteuning. Bovendien blijft het een grote uitdaging om individuen aan te trekken tot DPP en soortgelijke interventies voor levensstijlverandering en het is belangrijk om bruikbare benaderingen te identificeren.[8-11] Ten slotte, hoewel de effectiviteit van persoonlijke DPP goed ingeburgerd is, identificeerden eerdere studies die het effect van digitale DPP evalueerden positieve resultaten, maar hadden ze significante methodologische beperkingen, zoals een pre-/posttestontwerp met één arm en door deelnemers gerapporteerde resultaten. [12,13-19]

In 2017 begon Kaiser Permanente Northwest (KPNW), een groot, geïntegreerd gezondheidssysteem dat Oregon en het zuidwesten van Washington bedient, met het testen van zowel digitale als persoonlijke versies van DPP voor zijn volwassen gezondheidsplandeelnemers met prediabetes en obesitas. Het doel van dit natuurlijke experiment met gemengde methoden is om dit grote initiatief voor het gezondheidssysteem te evalueren door de effecten van zowel digitale als persoonlijke DPP op verandering in gewicht en HbA1c, gezondheidsgedrag en psychosociale factoren te beoordelen. Ook zal duurzaamheid op basis van kosteneffectiviteit en het perspectief van patiënten en belanghebbenden in de gezondheidszorg worden onderzocht.

KPNW-patiënten die in aanmerking komen voor deelname aan DPP (digitaal of persoonlijk) zullen worden geïdentificeerd en gerekruteerd met behulp van het elektronische patiëntendossier (EPD). Zowel de digitale als de persoonlijke (op groepen gebaseerde) DPP-programma's worden gedurende 12 maanden geleverd. Demografische en klinische gegevens die in analyses moeten worden opgenomen, zullen ook uit het EPD worden gehaald. Gedrags- en psychosociale vragenlijsten zullen online worden afgenomen bij DPP-ingeschrevenen en niet-ingeschrevenen met behulp van REDCap. Er zullen semi-gestructureerde kwalitatieve interviews worden gehouden met een subset van DPP-ingeschrevenen en niet-ingeschrevenen om de redenen voor inschrijving en voorkeuren/afkeer van het programma te begrijpen. Zorgaanbieders en belanghebbenden zullen ook worden geïnterviewd om factoren vast te leggen die verband houden met de duurzaamheid van het aanbieden van DPP binnen het zorgstelsel.

Voor de primaire analyse zijn de onderzoekers van plan om gewichts- en HbA1c-trajecten van 12 en 24 maanden te modelleren met behulp van een lineair model met gemengde effecten, waarbij de tijd sinds de basislijn als tijdsas wordt gebruikt. Omdat randomisatie niet haalbaar is in deze real-world implementatie van DPP, zal aanpassing van de propensityscore worden gebruikt om te controleren op mogelijke confounding. Verder zullen onderzoekers een economische evaluatie uitvoeren gedurende de follow-upperiode van 12 maanden voor zowel de digitale als persoonlijke DPP-cohorten, evenals gedurende de periode van 24 maanden voor het digitale DPP-cohort vanuit het perspectief van het gezondheidsplan, volgend op best practices[20] en geleid door eerdere economische analyses van DPP-interventies.[21-26]

De onderzoekers zullen gebruik maken van de mixed-methods, het ontwerp van natuurlijke experimenten om de implementatie van digitale en persoonlijke DPP door KPNW te evalueren, voortbouwend op bestaand bewijs met betrekking tot de effectiviteit van DPP in de twee leveringswijzen op verandering in gewicht en HbA1c in de loop van de tijd. Bovendien zal de kosteneffectiviteitsanalyse de impact bepalen van digitale en persoonlijke DPP op het investeringsrendement voor gezondheidszorgstelsels en de duurzaamheid van het programma. Bevindingen van onze evaluatie zullen daarom best practices vormen voor het implementeren en ondersteunen van DPP binnen grote gezondheidszorgsystemen.