Tester flere atferdsvitenskapelige strategier for å øke antallet influensaskudd

Denne forskningen tar sikte på å identifisere hvilke atferdsvitenskapelige strategier som er mest effektive for å øke influensavaksinasjonsraten totalt sett og basert på pasientenes individuelle egenskaper. Tidligere atferdsvitenskapelige intervensjoner har vist lovende å øke influensavaksinasjonene. For eksempel har vellykkede intervensjoner oppmuntret folk til å legge konkrete planer for når de skal få en influensavaksine (Milkman et al. 2011), sendt automatiske oppringninger eller tekstmeldinger som minner pasienter om å ta en influensavaksine (Cutrona et al. 2018; Regan et al. al. 2017), eller ga økonomiske insentiver for å vaksinere seg (Nowalk et al. 2010). Selv om disse resultatene er lovende, har disse studiene blitt utført isolert på ulike populasjoner, noe som gjør det vanskelig å sammenligne intervensjonens effektivitet eller å ha nok kraft til å pålitelig oppdage ulike responser på intervensjoner basert på individuelle egenskaper.

Denne forskningen vil samtidig teste 19 forskjellige SMS-intervensjoner for å øke influensavaksinasjonene i en «mega-studie» og anvende maskinlæring for å identifisere hvilke intervensjoner som fungerer best for hvem. Intervensjonene er designet av atferdsvitenskapelige eksperter fra Behavior Change for Good Initiative (BCFG), Penn Medicine Nudge Unit (PMNU) og Geisinger Behavioral Insights Team (BIT). Vi forventer å inkludere minst 80 000 deltakere.

De spesifikke målene med denne forskningen er å identifisere (1) hvilke atferdsvitenskapelige strategier som effektivt øker influensavaksinasjonsraten totalt sett, og (2) hvilke strategier som er mest effektive for ulike undergrupper (f.eks. basert på alder, kjønn, rase).