Onze collega's - Empowerment and Navigational Support - Community Living: Remote Peer Navigator Intervention voor volwassenen met nieuw verworven handicaps die overstappen naar gemeenschapsleven (op -iet -enten -cl) (OP-ENS-CL)

Het doel van deze studie is om de werkzaamheid en sociale validiteit van de op -ietwegen - CL (onze collega's - empowerment en navigatieondersteuning - gemeenschapsleven) een afgelegen peer -navigatorinterventie van 12 maanden te evalueren met behulp van een klinisch onderzoeksontwerp in een steekproef van volwassenen met nieuw verworven met fysieke handicaps overgang naar gemeenschapsleven.

Deelnemers worden aangeworven via gemeenschaps- en klinische netwerken en worden gescreend op geschiktheid. Deelnemers worden willekeurig toegewezen aan de interventie- of gebruikelijke zorggroepen. Deelnemers aan de interventiegroep zullen worden gekoppeld aan een getrainde peer health navigator (die ook een persoon is met een lichamelijke handicap). Het gebruik van een structuurproces van barrière-identificatie, doelen stellen en actieplanning Peer Health Navigators zullen samenwerken met deelnemers om aan hun zorgbehoeften en zorgen te helpen, waaronder dingen als communicatie van de patiënt-provider, transport, 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 interventieproef worden gevraagd om hun peer navigator minstens eenmaal per maand tijdens de studieperiode te ontmoeten. Om deelname aan deze interventie aan te moedigen, worden progressieve micro-inchecentieven geïntegreerd in het studieprotocol. Om Equipoise te bevorderen, wordt een soortgelijk micro-inchefschema opgesteld voor de gebruikelijke zorggroep.

Gegevensverzameling - Alle deelnemers, ongeacht de groepstoewijzing, worden geïnterviewd op 3 tijdstippen (basislijn, 6 maanden, 13 maanden) met behulp van een zelfrapportage van toegang tot de gezondheidszorg, kwaliteit en resultaten, evenals maatregelen van sociale ondersteuning en activering van de patiënt. Gegevensverzamelaars zullen blind zijn voor groepstoewijzing en niet betrokken zijn bij de levering van de op -ietway - CL -interventie.

Gegevensanalyse - De onderzoekers zullen gebruik maken van een gemengd effectenmodel met behulp van elke studie -uitkomst als een tijdafhankelijke afhankelijke variabele en behandelingsgroep (PHN versus gebruikelijke zorg) als het belangrijkste vaste effect. Baseline-kenmerken, waaronder ras/etniciteit, geslacht en sociaaleconomische status, worden ingevoerd als tijdinvariante covariaten als verschillen in basislijngroep worden waargenomen (ondanks randomisatie). Onderwerp onderschepping zal worden gemodelleerd als een willekeurig effect. De nulhypothese zal worden afgewezen als een significant groep*tijdsinteractie -effect wordt waargenomen. De onderzoekers veronderstellen dat PN een gunstiger trajecthelling van de onderzoeksresultaten zal hebben dan de gematchte controlegroep. Voor elke hypothese zal post-hoc analyse worden uitgevoerd om het verschil in elke uitkomstvariabele tussen de twee groepen op verschillende tijdstippen te beoordelen. De gemengde modellen worden uitgevoerd met behulp van PROC gemengd van SAS 9.3 (Cary, NC). De schattingsmethode is maximale waarschijnlijkheid (ML). Een verscheidenheid aan covariantiestructuren (regressieve eerste orde, samengestelde symmetrie, toeplitz, variantiecomponenten, ongestructureerd) zullen zorgvuldig worden onderzocht en vergeleken voor de beste modelfit, Akaike's informatie (AIC) en Bayesiaanse informatiecriteria (BIC). Deze statistieken zijn functies van de log -waarschijnlijkheid en kunnen worden vergeleken tussen modellen. Aangezien ontbrekende gegevens onvermijdelijk zijn in een longitudinaal onderzoek, worden waarden waar mogelijk toegerekend met behulp van gemiddelde (mediaan) vervanging of formele imputatieprocedures zoals EM -algoritme als ontbrekende gegevens MCAR zijn (volledig willekeurig) of MAR (willekeurig ontbreken). Als ontbrekende gegevens NMAR zijn (niet willekeurig ontbreken), zal de "patroonmengsel" -benadering worden gebruikt om een ​​"gewogen gemiddelde" van de parameters te berekenen die zijn gekoppeld aan de ontbrekende gegevens om te schatten wat de gegevens zouden zijn geweest.