En mobilteksttilnærming til måling og tilbakemelding for omsorgskoordinasjon med helhetlig tilnærming (SMARTwrap)

Målet med denne fasen II SBIR er å utvikle og teste et nytt måle- og tilbakemeldingssystem skreddersydd til Wraparound Service Model (WSM), kalt SMART-Wrap. Mål 3 består av en kontrollert effektstudie av SMART-Wrap der 2 WSM-tjenestetilbydende organisasjoner (WPO) vil delta i en parallell grupperandomisert studie. Ved hjelp av en kaskaderekrutteringsstrategi vil 24 omsorgsteam rekrutteres, med 12 team randomisert til SMART-Wrap-intervensjonen versus 12 til "Tjenester-som-vanlig" (SAU), med stratifisering etter veileder for å balansere klyngeeffekter. Randomisering vil gjøres på omsorgskoordinator (CC)-nivå. Hver WPO-veileder (n = 12) vil ha like mange CC-er tildelt hver tilstand (ca. 2 CC-er for hver veileder), noe som gir 6 veiledere i hver tilstand (4 per WPO). Omsorgsteamdeltakere må godta å bruke SMART-Wrap-prototypen som en del av sin WSM over en 8-måneders testperiode og fullføre målinger av tjeneste- og implementeringsresultater. CC-er bruk av standardisert vurdering, planrevisjon og andre SMART-Wrap-fremmede atferder vil bli vurdert via månedlige nettbaserte spørreundersøkelser. Forskerne vil inkludere n=5 omsorgspersoner (CG-er) per CC som vil være hovedfokus for datainnsamling. Dette vil gi et totalt rekruttert utvalg på N=120 (n=60 per gruppe) omsorgspersoner for ungdom i alderen 8-17 med SED. Familiedeltakere vil delta i 4 måneder totalt, med start innen en 4-måneders inkluderingsperiode. Familiedeltakere vil svare på målinger angående tjeneste- og ungdomsresultater ved baseline og etter 4 måneder.

Forskerne formulerer følgende hypoteser for våre primære utfall: (1) sammenlignet med omsorgsteam i kontrollgruppen, vil omsorgsteam i SMART-Wrap-gruppen vise (a) større bruk av data og tilbakemelding i tjenesteleveringen; (b) større troskap til Wraparound-prosessen; (c) høyere selvrapportert samarbeid, arbeidsallianse og tilfredshet med intervensjonen; og (d) mer positive holdninger til standardisert vurdering; og (2) sammenlignet med kontrollgruppen, vil omsorgspersoner for ungdom som mottar tjenester fra omsorgsteam som bruker SMART-Wrap rapportere (a) større målklarhet; (b) større bruk av MBC-strategier; (c) større tilfredshet med tjenester og fremgang; (d) bedre troskap til Wraparound; (e) mer effektiv teamfunksjon; og (f) mer positive resultater, inkludert redusert omsorgspersonstress og forbedrede symptomer og funksjon.

Våre eksplorative hypoteser fokuserer på veiledning for å undersøke om (1) veiledere randomisert til SMART-Wrap rapporterer (a) en større andel av veiledningstiden brukt på å gjennomgå data om familiens fremgang og kasuskonceptualisering og strategier; (b) større allianse med omsorgskoordinatoren, og (c) større oppfatning av CC-effektivitet. Forskerne vil også utforske (2) gyldigheten av SMART-Wrap-måling ved å spørre om domener vurdert via SMART-Wrap i tjenesteleveringen (f.eks. allianse, fremgang, tilfredshet, funksjon) er assosiert med data samlet inn av det eksterne forskningsteamet via intervjuer og spørreundersøkelser.

For å evaluere forskjeller på ungdoms- og CG-utfall (ungdomsfunksjon på Top Problem Assessment (TPA), ungdomsymptomer på Brief Problem Checklist (BPC), og omsorgspersonbelastning på Caregiver Strain Questionnaire (CSGQ), vil forskerne bruke en serie med 3-nivås longitudinelle hierarkiske lineære modeller (separat modell per utfallsvariabel) for å sammenligne forskjeller i gruppefrekvenser av endring og tidsmiddelskar basert på intervensjonstilstand. Forskerne vil også teste for krumlinjede tidstrender over fem tidspunkter av data på TPA.

For å evaluere implementeringsresultater, vil forskerne gjennomføre følgende analyser. En serie med 2-nivås tverrsnitts HLMer med familier nestet innenfor CC-er vil bli kjørt for å vurdere CG og CC Wraparound-troskap på Wraparound Fidelity Index, kortversjon som en funksjon av intervensjonstilstand. Separate 3-nivås longitudinelle HLMer vil bli kjørt for å teste for forskjeller, som en funksjon av intervensjonstilstand, på CC-tilfredshet på Therapist Satisfaction Inventory, holdninger til standardisert vurdering på Attitudes Towards Standardized Assessment-skalaen, og prosentandel av tiden under veiledningsmøter brukt (1) på å gjennomgå data om familiens fremgang og på (2) kasuskonceptualisering og strategier på Supervision Process Questionnaire (SPQ) (med nivåer for tidspunkt, CC, og veileder på SPQ). Longitudinelle HLMer vil bli kjørt som utforsker endringsfrekvensen på bruk av data/tilbakemelding og andre MFS-mål på Monthly CC Report (MCR) og Monthly CG Report (MPR), og forskerne vil teste for krumlinjede trender over 5 måneder. Forskerne vil utforske forskjeller på CG og CC allianse på Working Alliance Inventory, tilfredshet, og oppmøte ved bruk av HLMer. Fravær er binomial; derfor vil forskerne bruke Hierarchical Generalized Modeling, log-link-funksjon for å estimere odds for frafall.

For å evaluere eksplorative analyser, vil forskerne gjennomføre følgende analyser. Med to HLMer, vil forskerne forutsi trajektoriene for ungdomsfunksjon (f.eks. TPA), mens de tar hensyn til tidsvarierende endringer i MCR og MPR totalskar. For å utforske gyldigheten av SMART-Wrap-måling, vil forskerne assosiere SMART-Wrap-mål med andre mål. Ved bruk av Pearson r og Intraclass Correlations (ICCs), vil forskerne utforske forholdet mellom tidspunkt-matchet CC-skar på ungdomsfunksjon i SMART-Wrap og CG-vurderte skar på TPA, CGSQ, og BPC. Forskerne vil også utforske Pearson r korrelasjoner mellom vurderinger av fremgang som scoret i SMART-Wrap, og HLM-beregnet endringsfrekvens på omsorgspersonvurderte TPA. Forskerne vil undersøke forholdet mellom foreldretilfredshet som registrert i SMART-Wrap og Parent Satisfaction-skar. For det andre, vil forskerne studere hvordan bruken av systemet kan være signifikant relatert til forbedring på flere utfall, inkludert troskap, arbeidsallianse, og ungdomsproblemer og symptomer. Prediktorer vil inkludere CC og veileder bruk av SMART-Wrap systemelementer, datakompletthet, og tid i systemet. For disse analysene, vil forskerne bruke HLMer som passer til DVs (longitudinelle eller tverrsnitts) På tvers av analyser, vil forskerne modellere data som mangler tilfeldig ved bruk av full maksimum sannsynlighetsestimering for å ta hensyn til frafallsbias og forskerne vil kontrollere for multiple sammenligninger ved bruk av falsk oppdagelsesrate.