Onze collega's - Empowerment en navigatieondersteuning (OP-ENS)

Het doel van deze studie is om de voorlopige effectiviteit en sociale validiteit van de OP-ENS (Our Peers - Empowerment and Navigational Support) te evalueren. een 12 maanden durende interventie door een peer health navigator zingt een klinisch proefontwerp in een steekproef van thuiswonende volwassen Medicaid-begunstigden met lichamelijke handicaps.

Deelnemers worden geworven via gemeenschaps- en klinische netwerken en gescreend op geschiktheid. Deelnemers worden willekeurig toegewezen aan de interventiegroep of de gebruikelijke zorggroep. Deelnemers aan de interventiegroep worden gekoppeld aan een getrainde peer health navigator (die ook een persoon is met een lichamelijke handicap). Met behulp van een gestructureerd proces van barrière-identificatie, het stellen van doelen en het plannen van acties, zullen collega-gezondheidsnavigators samenwerken met deelnemers om hun zorgbehoeften en -zorgen aan te pakken, inclusief zaken als communicatie tussen patiënt en zorgverlener, vervoer, toegang tot duurzame medische apparatuur. Het is belangrijk op te merken dat peer health navigators geen zorgverleners zijn en geen medisch of gezondheidsadvies geven. Deelnemers aan de interventiestudie wordt gevraagd om tijdens de studieperiode minstens één keer per maand een ontmoeting te hebben met hun peer health navigator. Om deelname aan deze interventie aan te moedigen, zijn progressieve micro-incentives geïntegreerd in het studieprotocol. Om de evenwichtigheid te bevorderen, wordt voor de gebruikelijke zorggroep een vergelijkbaar microstimuleringsschema gemaakt.

Gegevensverzameling - Alle deelnemers, ongeacht de groepsopdracht, worden geïnterviewd op 3 tijdstippen (baseline, 6 maanden, 13 maanden) met behulp van zelfrapportagemetingen van toegang tot gezondheidszorg, kwaliteit en resultaten, evenals maatregelen van sociale steun en patiënt activering. Gegevensverzamelaars zullen blind zijn voor groepstoewijzing en niet betrokken zijn bij de levering van de OP-ENS-interventie.

Gegevensanalyse - De onderzoekers zullen een model met gemengde effecten gebruiken waarbij elke studie-uitkomst wordt gebruikt als een in de tijd variërende afhankelijke variabele en behandelingsgroep (PHN vs. gebruikelijke zorg) als het belangrijkste vaste effect. Baselinekenmerken zoals ras/etniciteit, geslacht en sociaal-economische status worden ingevoerd als tijdsinvariante covariabelen als er verschillen in baselinegroepen worden waargenomen (ondanks randomisatie). Onderwerponderschepping wordt gemodelleerd als een willekeurig effect. De nulhypothese wordt verworpen als er een significant groeps*tijd-interactie-effect wordt waargenomen. De onderzoekers veronderstellen dat PHN een gunstiger verloop van de studieresultaten zal hebben dan de gematchte controlegroep. Voor elke hypothese zal post-hocanalyse worden uitgevoerd om het verschil in elke uitkomstvariabele tussen de twee groepen op verschillende tijdstippen te beoordelen. De gemengde modellen zullen draaien met PROC MIXED van SAS 9.3 (Cary, NC). De schattingsmethode is maximale waarschijnlijkheid (ML). Een verscheidenheid aan covariantiestructuren (eerste orde regressief, samengestelde symmetrie, toeplitz, variantiecomponenten, ongestructureerd) zal zorgvuldig worden onderzocht en vergeleken voor de beste modelpassing, Akaike's Information (AIC) en Bayesian Information Criteria (BIC). Deze statistieken zijn functies van de log-waarschijnlijkheid en kunnen tussen modellen worden vergeleken. Aangezien ontbrekende gegevens onvermijdelijk zijn in een longitudinaal onderzoek, zullen waarden waar mogelijk worden geïmputeerd met behulp van gemiddelde (mediaan) vervangende of formele imputatieprocedures zoals het EM-algoritme als ontbrekende gegevens MCAR (volledig willekeurig ontbreken) of MAR (volledig willekeurig ontbreken) zijn. Als ontbrekende gegevens NMAR zijn (niet willekeurig ontbreken), zal de "patroonmengsel"-benadering worden gebruikt om een ​​"gewogen gemiddelde" te berekenen van de parameters die geassocieerd zijn met de ontbrekende gegevens om te schatten wat de gegevens zouden zijn geweest.