Evaluatie van de werkzaamheid van waarschuwingen voor pediatrische lipidescreening

Patiënten die in aanmerking komen voor deze studie, worden gerandomiseerd in een van de vier groepen via een Epic elektronisch medisch dossier (EMR) randomisatie-algoritme dat automatisch wordt uitgevoerd op het moment van het bezoek:

1. Controlegroep (6 maanden vertraging voordat hun providers een waarschuwing ontvangen)
2. Gezondheidsonderhoudsonderwerp (HMT)
3. Best practice-melding (BPA)
4. Best practice alert en status onderhoud onderwerp (BPA+HMT)

Geisinger Health System zal het Storyboard-paneel van Epic (een nieuwe manier om patiëntinformatie in het EMR samen te vatten) ongeveer een maand na dit onderzoek introduceren. In het analyseplan wordt daarom getoetst op de mogelijke impact van deze wijziging.

De zorgverleners zullen worden gevraagd om op het moment van het bezoek met de patiënt een screeninglipidenonderzoek te bespreken en te bestellen dat niet nuchter is, op basis van de bovenstaande waarschuwingen. Sommige gezinnen hebben een waarschuwing in hun MyGeisinger-portaal waarin staat dat er een gezondheidstest moet worden uitgevoerd en dat ze dit met hun provider moeten bespreken.

De resultaten worden als volgt beoordeeld en geclassificeerd,

Uitkomsten zijn orders voor lipidescreening door zorgverleners (ja/nee) en voltooiing van de screening door patiënten (ja/nee). De volgende beschrijvende resultaten worden ook verstrekt:

1. Lipidenscreening besteld
2. Lipidenscreening besteld en afgerond
3. Lipidenscreening besteld maar niet afgerond
4. Lipid-screening daalde met reden waarom
5. Alarm helemaal niet opgevolgd

Analyse zal rekening houden met het nesten van patiënten binnen aanbieders; dit zal de provider opnemen als een willekeurige effectenvariabele in een reeks binominale logistische regressiemodellen op meerdere niveaus, om rekening te houden met mogelijke correlatie met patiënten. Als de intraklasse-correlatiecoëfficiënt laag is, worden alleen de logistische regressiemodellen op patiëntniveau uitgevoerd. In het eerste model zal de passieve controle dienen als referentiegroep om te testen of elk van de actieve alertcondities een significante invloed heeft op de uitkomsten. In het tweede model zal de aandoening met alleen BPA dienen als referentiegroep om te testen of HMT en BPA+HMT significante prestatieverbeteringen bieden. Ten slotte zal het derde model de HMT-only conditie als referentie gebruiken om te testen of BPA+HMT een significant grotere impact heeft op de uitkomsten. Storyboard X Conditie-interacties worden getest binnen de modellen, en als er significante zijn, wordt de serie modellen afzonderlijk uitgevoerd bij patiënten voorafgaand aan en na de implementatie van Storyboard in Epic, om te testen of en hoe de resultaten repliceren in de verschillende contexten .