Dostosowanie programów ulepszonego powrotu do zdrowia dla pacjentów o niskim poziomie wiedzy zdrowotnej

Uzasadnienie: Niska wiedza na temat zdrowia dotyka ponad jedną trzecią populacji chirurgów i wiąże się ze znacznie gorszymi wynikami chirurgii. Pilnie potrzebne są interwencje, które zmniejszą dysproporcje w tej dużej populacji. Poprzednie prace wykazały, że ulepszone programy rekonwalescencji (ERP) łagodzą różnice rasowe w wynikach operacji i oferują pragmatyczny sposób eliminowania dysproporcji chirurgicznych. Istniejące systemy ERP nie sprawdzają się jednak u pacjentów z niską wiedzą na temat zdrowia, którzy nadal doświadczają gorszych wyników. Luka ta wynika z niedopasowania obecnych systemów ERP do potrzeb pacjentów o niskim poziomie wiedzy zdrowotnej. Wcześniejsze prace w ramach grantu K23 pozwoliły ocenić te potrzeby i opracować nowatorską wielopoziomową strategię poprawy dopasowania: zaangażowanie pacjentów za pomocą pomocy VISuAl, dostawców autokarów w zakresie komunikacji oraz szkolenie organizacji w zakresie wiedzy zdrowotnej (VISACT). Obecnie istnieje możliwość dostarczenia i przetestowania VISACT przy użyciu opartych na teorii ram adaptacyjnych. Udane adaptacje przekształciłyby istniejące systemy ERP i rozszerzyłyby ich wpływ zmniejszający dysproporcje na populacje o niskim poziomie świadomości zdrowotnej. Cele: Celem długoterminowym jest wyeliminowanie rozbieżności i poprawa wyników populacji o niskim poziomie świadomości zdrowotnej w chirurgii poprzez adaptację istniejących systemów ERP w oparciu o kontekst. Hipoteza jest taka, że ​​VISACT poprawi wierność komponentom ERP w przypadku pacjentów o niskim poziomie wiedzy zdrowotnej, a tym samym poprawi wyniki zabiegów chirurgicznych. Aby osiągnąć ten cel, cele są następujące: (SA1) identyfikacja elementów systemów ERP wrażliwych na wiedzę zdrowotną, które można uzupełnić o VISACT, (SA2) ocena potrzeb w zakresie umiejętności zdrowotnych dostawców i jednostek organizacyjnych w zespołach ERP oraz (SA3) dostarczenie i pilotaż przetestuj strategię wdrożenia VISACT na istniejących systemach ERP. Metody: Najpierw, kierując się strukturą procesu adaptacji dynamiki, uczenie maszynowe w dużej bazie danych ERP (n> 7 000) zostanie wykorzystane do zidentyfikowania elementów systemów ERP wrażliwych na wiedzę zdrowotną, które zostaną wzmocnione za pomocą VISACT (SA1). Po drugie, zastosowane zostanie zbieżne, zintegrowane podejście oparte na metodach mieszanych w celu zidentyfikowania luk w wiedzy na temat umiejętności zdrowotnych, najlepszych praktyk i gotowości do dostosowania zespołów wdrażających ERP za pomocą trzech wzajemnie powiązanych metod: obserwacje in vivo działania systemów ERP w 4 obiektach w Alabamie, rozszerzone częściowo ustrukturyzowane wywiady ze 120 zainteresowanymi stronami oraz ankiety mierzące wiedzę na temat zdrowia i gotowość organizacji do adaptacji. Po trzecie, interwencja VISACT zostanie przetestowana w dwóch lokalizacjach w Alabamie (miejskim i wiejskim) za pośrednictwem nowatorskiej interaktywnej platformy reagowania w badaniu pilotażowym i oceniona pod kątem wykonalności/akceptowalności w ramach RE-AIM pod kątem zasięgu, skuteczności, przyjęcia, wdrożenia i środki konserwacyjne. Uzyskane dane posłużą do zaprojektowania wieloinstytucjonalnego, stopniowanego badania klinicznego VISACT na Dalekim Południu. Znaczenie: Badanie to przyspieszy misję NIH/NIMHD mającą na celu wyeliminowanie rozbieżności w chirurgii i stanowi bezpośrednią odpowiedź na strategie badawcze NIMHD Science Visioning poprzez usunięcie barier w zakresie wiedzy zdrowotnej (nr 24) i budowanie wiedzy na temat dostosowywania interwencji do różnych kontekstów (nr 30). Ponadto projekt (i) zapewni pierwszą interwencję w zakresie wiedzy zdrowotnej w chirurgii, (ii) ustanowi nowatorską strategię wdrażania (VISACT) mającą na celu wyeliminowanie rozbieżności w chirurgii oraz (iii) doprowadzi do postępu w nauce o interwencjach poprzez adaptacje.