Podejście do analizy i doskonalenia systemów w celu optymalizacji kaskady leczenia zdrowia psychicznego z podziałem zadań (SAIA-MH) (SAIA-MH)

Ze względu na niedobór 1,2 miliona pracowników zajmujących się zdrowiem psychicznym (MH) w krajach o niskich i średnich dochodach (LMIC), liderzy akademiccy i polityczni opowiadają się za zwiększeniem podziału zadań na świadczeniodawców niższego szczebla, aby zlikwidować lukę w opiece nad zdrowiem psychicznym, który w wielu LMIC przekracza 90%. Chociaż podział zadań może zwiększyć dostęp do opieki, niewiele uwagi poświęcono jakości opieki świadczonej przez świadczeniodawców niższego szczebla. Ambulatoryjne zarządzanie zdrowiem psychicznym z podziałem zadań w Mozambiku wykazało niskie wskaźniki pozostania w opiece (40%), przestrzegania zaleceń lekarskich (<15%) i odsetka pacjentów osiągających poprawę funkcji (<5%). Podobnie wysokie wskaźniki utraty obserwacji, słabego przestrzegania zaleceń i słabych wyników pacjentów odnotowano w innych LMIC. Według naszej wiedzy nie ma opartych na dowodach strategii wdrożeniowych ukierunkowanych na optymalizację kaskady leczenia MH w ustawieniach o niskich zasobach. Jest to pilna potrzeba w zakresie świadczenia opieki MH na całym świecie.

Kaskada leczenia MH to model, który przedstawia sekwencyjne, powiązane etapy leczenia, przez które muszą przechodzić osoby z chorobami psychicznymi, od wstępnej diagnozy do poprawy objawów/funkcji. Problemy z jakością na jednym etapie kaskady leczenia mogą mieć nieliniowy i złożony wpływ na większy złożony system opieki. Strategie wdrażania skoncentrowane tylko na jednym kroku w kaskadzie mogą potencjalnie przyczynić się do niezamierzonych wąskich gardeł systemu i problemów z jakością opieki. Natomiast „Systems Analysis and Improvement Approach (SAIA)” to wieloskładnikowa strategia wdrożeniowa skoncentrowana na optymalizacji całej kaskady leczenia. SAIA łączy ułatwienia, ulepszone lokalne konsultacje kliniczne i tworzenie współpracy edukacyjnej na poziomie placówki z narzędziami inżynierii systemowej w 5-etapowym podejściu opracowanym specjalnie dla świadczeniodawców z podziałem zadań, które obejmuje: (1) analizę kaskadową w celu wizualizacji spadku kaskady leczenia -offs i ustalanie priorytetów obszarów do ulepszeń systemu; (2) mapowanie procesów w celu zidentyfikowania możliwych do modyfikacji wąskich gardeł na poziomie zakładu; (3) identyfikacja i wdrożenie modyfikacji poprawiających wydajność systemu; (4) ocena wpływu modyfikacji na kaskadę; oraz (5) powtarzające się cykle analizy i doskonalenia. W poprzednim klastrze RCT ustalono skuteczność SAIA w kaskadowej poprawie leczenia HIV (R01HD075057; PI: Sherr). Jednak nie ma danych dotyczących skuteczności SAIA w zastosowaniu do innych złożonych kaskad leczenia – takich jak opieka MH z podziałem zadań. Wstępne dane sugerują, że zastosowanie SAIA do optymalizacji kaskady leczenia MH (SAIA-MH; R21MH113691; PI: Wagenaar) jest wykonalne, akceptowalne i może skutkować klinicznie znaczącą poprawą kaskady leczenia; Pięć miesięcy wdrażania SAIA-MH zaowocowało 1,5-krotnym wzrostem przestrzegania zaleceń lekarskich (aOR: 1,5; CI: 1,2, 1,9) i 3,7-krotnym wzrostem poprawy funkcji (aOR: 3,7; CI: 2,5, 5,4). Dane te sugerują, że SAIA-MH jest obiecującą strategią globalnego doskonalenia systemów MH z podziałem zadań. Naszymi szczegółowymi celami są:

Główny cel 1: Zbadanie skuteczności strategii SAIA-MH przy użyciu pragmatycznego klastrowego projektu RCT i ocena uwarunkowań sukcesu wdrożenia. Badacze wdrożą SAIA-MH przy użyciu 3-letniego równoległego klastrowego RCT w 8 interwencjach i 8 ośrodkach kontroli uwagi i ocenią wpływ na poprawę funkcji zdrowia psychicznego (pierwotna) oraz retencja / przestrzeganie zaleceń lekarskich (drugorzędne). Po dwóch latach wdrażania badań nastąpi roczna faza konserwacji w celu zbadania rutynowej wierności i trwałości. Skonsolidowane ramy badań wdrożeniowych (CFIR) zostaną wykorzystane do oceny uwarunkowań sukcesu wdrożenia.

Cel drugorzędny 1: Przetestuj modele ścieżek przyczynowych, aby przeanalizować mechanizmy działania pod kątem skutków (lub braku skutków) strategii wdrażania SAIA-MH. Korzystając z 3-letnich miesięcznych danych na temat powiązań strategii i mechanizmów, moderatorów, warunków wstępnych i wyników dla pełnych 8 interwencji i 8 ośrodków kontroli uwagi, badacze zbadają oszacowania efektu ścieżki przyczynowej za pomocą podłużnego modelowania równań strukturalnych. Jakościowe dane CFIR z Celu Podstawowego 1 będą kontekstualizować ilościowe analizy ścieżek.

Cel szczegółowy 2: Oszacowanie kosztów i opłacalności zwiększenia skali SAIA-MH w Mozambiku. Badacze przeprowadzą mikrokoszty oraz obserwację czasu i ruchu SAIA-MH RCT w celu oszacowania kosztów wdrożenia interwencji. Badacze skonstruują model Markowa sparametryzowany z danymi dotyczącymi kosztów i wyników z SAIA-MH RCT, aby projektować wpływ na budżet i efektywność kosztową dla skali SAIA-MH do poziomu prowincji i kraju.