Systemanalyse og forbedringstilnærming for å optimalisere den oppgavedelte mentale helsebehandlingskaskaden (SAIA-MH) (SAIA-MH)

På grunn av en mangel på 1,2 millioner psykisk helsearbeidere (MH) på tvers av lav- og mellominntektsland (LMICs), har akademiske og politiske ledere tatt til orde for oppskalering av oppgavedeling til leverandører på lavere nivå for å lukke gapet i psykisk helsevern, som overstiger 90 % i mange LMIC-er. Selv om oppgavedeling kan øke tilgangen til omsorg, har begrenset oppmerksomhet blitt gitt til kvaliteten på omsorgen gitt av tilbydere på lavere nivå. Oppgavedelt poliklinisk behandling av mental helse i Mosambik har vist lave forekomster av retensjon i omsorgen (40 %), medisinoverholdelse (<15 %) og andelen av pasientene som oppnår funksjonsforbedring (<5 %). Tilsvarende høye forekomster av tap-til-oppfølging, dårlig etterlevelse og dårlige pasientresultater er rapportert på tvers av andre LMICer. Så vidt vi vet er det ingen evidensbaserte implementeringsstrategier rettet mot optimalisering av MH-behandlingskaskaden i miljøer med lite ressurser. Dette er et presserende behov for MH-omsorgslevering globalt.

MH-behandlingskaskaden er en modell som skisserer de sekvensielle, koblede behandlingstrinn som mennesker med psykiske lidelser må navigere, fra første diagnose til symptom-/funksjonsforbedring. Kvalitetsproblemer i ett trinn i en behandlingskaskade kan ha ikke-lineære og sammensatte effekter på tvers av det større komplekse omsorgssystemet. Implementeringsstrategier fokusert på kun ett trinn i en kaskade kan potensielt bidra til utilsiktede systemflaskehalser og kvalitetsproblemer. Derimot er "Systems Analysis and Improvement Approach (SAIA)" en flerkomponentimplementeringsstrategi fokusert på å optimalisere en hel behandlingskaskade. SAIA blander tilrettelegging, forbedret lokal klinisk konsultasjon og etablering av læringssamarbeid på anleggsnivå med systemtekniske verktøy i en 5-trinns tilnærming spesielt utviklet for oppgavedelte leverandører, som inkluderer: (1) kaskadeanalyse for å visualisere behandlingskaskadefall. -avslår og prioriterer områder for systemforbedringer; (2) prosesskartlegging for å identifisere modifiserbare flaskehalser på anleggsnivå; (3) identifikasjon og implementering av modifikasjoner for å forbedre systemytelsen; (4) vurdering av modifikasjonseffekter på kaskaden; og (5) gjentatte analyse- og forbedringssykluser. En tidligere klynge-RCT etablerte effektiviteten av SAIA for kaskadeforbedring av HIV-behandling (R01HD075057; PI: Sherr). Det finnes imidlertid ingen effektivitetsdata på SAIA brukt på andre komplekse behandlingskaskader - for eksempel oppgavedelt MH-omsorg. Foreløpige data tyder på at bruk av SAIA på MH-behandlingskaskadeoptimalisering (SAIA-MH; R21MH113691; PI: Wagenaar) er gjennomførbart, akseptabelt og kan resultere i klinisk signifikante forbedringer i behandlingskaskaden; Fem måneder med SAIA-MH-implementering resulterte i en 1,5 ganger økning i medisinoverholdelse (aOR: 1,5; KI: 1,2, 1,9) og en 3,7 ganger økning i funksjonsforbedring (aOR: 3,7; KI: 2,5, 5,4). Disse dataene antyder at SAIA-MH er en lovende strategi for oppgavedelte MH-systemer globalt. Våre spesifikke mål er å:

Primært mål 1: Test effektiviteten til SAIA-MH-strategien ved å bruke et pragmatisk klynge-RCT-design og vurder determinanter for implementeringssuksess. Etterforskerne vil implementere SAIA-MH ved å bruke en 3-årig parallell klynge RCT på tvers av 8 intervensjons- og 8 oppmerksomhetskontrollfasiliteter og evaluere effekter på forbedring av mental helsefunksjon (primær) og retensjon/medikamentoverholdelse (sekundær). To år med studieimplementering vil bli fulgt av en 1-årig vedlikeholdsfase for å undersøke rutinemessig troskap og bærekraft. Consolidated Framework for Implementation Research (CFIR) vil bli brukt til å vurdere determinanter for implementeringssuksess.

Sekundært mål 1: Test årsaksmodeller for å analysere virkningsmekanismer for effekter (eller ikke-effekter) av implementeringsstrategien SAIA-MH. Ved å bruke 3-års månedlige data om strategi-mekanisme-koblinger, moderatorer, forutsetninger og resultater for hele 8 intervensjons- og 8 oppmerksomhetskontrollfasiliteter, vil etterforskerne undersøke kausale pathway-effektestimater ved å bruke longitudinell strukturell ligningsmodellering. Kvalitative CFIR-data fra Primærmål 1 vil kontekstualisere kvantitative baneanalyser.

Spesifikt mål 2: Estimer kostnadene og kostnadseffektiviteten ved å oppskalere SAIA-MH i Mosambik. Etterforskerne vil gjennomføre mikrokostnads- og tids-og-bevegelsesobservasjon av SAIA-MH RCT for å estimere kostnadene ved å implementere intervensjonen. Etterforskerne vil konstruere en Markov-modell parametrisert med kostnads- og resultatdata fra SAIA-MH RCT for å projisere budsjettpåvirkning og kostnadseffektivitet for SAIA-MH-oppskalering til provinsielt og nasjonalt nivå.