Nasze rówieśnicy - Wsparcie upodmiotowienia i nawigacyjne - Living Community: Remote Peer Navigator Intervention dla dorosłych z nowo nabytych niepełnosprawności przechodzących na życie społeczności (OP -ENS -Cl) (OP-ENS-CL)

Celem tego badania jest ocena skuteczności i ważności społecznej OP -ENS - CL (naszych rówieśników - wzmocnienie i wsparcie nawigacyjne - Living Community) odległe 12 -miesięczne interwencja nawigatora rówieśniczego przy użyciu projektu badań klinicznych w próbie dorosłych z nowo nabytych z fizycznymi niepełnosprawnością przechodzącą na życie w społeczności.

Uczestnicy będą rekrutowani za pośrednictwem sieci społecznościowych i klinicznych i badani pod kątem kwalifikowalności. Uczestnicy będą losowo przydzielani do grup interwencji lub zwykłych opieki. Uczestnicy grupy interwencyjnej będą dopasowani do wyszkolonego nawigatora zdrowia rówieśniczego (który jest również osobą niepełnosprawną fizyczną). Korzystanie z struktury procesu identyfikacji barier, ustalanie celów i planowanie działań nawigatorzy zdrowia rówieśniczej będą współpracować z uczestnikami, aby pomóc w zaspokojeniu ich potrzeb i obaw związanych z opieką zdrowotną, w tym takich rzeczy, jak komunikacja pacjentów-profesjonalistów, transport, dostęp do trwałego sprzętu medycznego. Należy pamiętać, że nawigatorzy zdrowia nie są świadczeniodawcami i nie udzielają porad medycznych ani zdrowotnych. Uczestnicy próby interwencyjnej proszeni są o spotkanie z partnerskim nawigatorem przynajmniej raz w miesiącu w okresie badania. Aby zachęcić do uczestnictwa w tej interwencji, postępujące mikroincentywy są zintegrowane z protokołem badania. Aby promować Equipoise, dla zwykłej grupy opieki powstaje podobny harmonogram mikroincencyjny.

Zbieranie danych - Wszyscy uczestnicy, niezależnie od przypisania grupy, zostaną przesłuchani w 3 punktach czasowych (linia bazowa, 6 miesięcy, 13 miesięcy), stosując miarę dostępu do opieki zdrowotnej, jakości i wyników, a także miar wsparcia społecznego i aktywacji pacjentów. Kolekcjonerzy danych będą ślepe na przypisanie grupy i nie są zaangażowane w dostarczanie interwencji OP -ENS - CL.

Analiza danych - Badacze zastosują model efektów mieszanych przy użyciu każdego wyniku badania jako zmiennej zmiennej zależnej i grupy leczonej (PHN vs. zwykłej opieki) jako głównego efektu stałego. Charakterystyka wyjściowa, w tym rasa/pochodzenie etniczne, płeć i status społeczno-ekonomiczny, zostaną wprowadzone jako niezmienne w czasie, jeśli zaobserwowane zostaną wyjściowe różnice grupowe (pomimo randomizacji). Przechwycenie przedmiotu będzie modelowane jako efekt losowy. Hipoteza zerowa zostanie odrzucona, jeśli zaobserwowano znaczący efekt interakcji w czasie grupy*. Badacze hipotezują, że PN będzie miało korzystniejsze nachylenie trajektorii wyników badań niż dopasowana grupa kontrolna. Dla każdej hipotezy zostanie przeprowadzona analiza post-hoc w celu oceny różnicy w każdej zmiennej wyniku między dwiema grupami w różnych punktach czasowych. Modele mieszane będą działać przy użyciu PROM zmieszanego z SAS 9.3 (Cary, NC). Metodą oszacowania będzie maksymalne prawdopodobieństwo (ML). Różnorodne struktury kowariancji (regresywna, złożona symetria pierwszego rzędu, toeplitz, komponenty wariancji, nieustrukturyzowane) zostaną dokładnie zbadane i porównywane w celu uzyskania najlepszego dopasowania modelu, informacji Akaike'a (AIC) i kryteriów informacyjnych bayesowskiego (BIC). Te statystyki są funkcjami prawdopodobieństwa dziennika i można je porównać między modelami. Ponieważ brakujące dane są nieuniknione w badaniu podłużnym, wartości zostaną przypisane tam, gdzie to możliwe, przy użyciu średnich (mediany) procedur zastępczych lub formalnych imputacji, takich jak algorytm EM, jeśli brakujące dane są MCAR (brakuje całkowicie losowo) lub MAR (brak losowych). Jeśli brakujące dane są NMAR (nie brakujące losowo), do obliczenia „średniej ważonej” parametrów powiązanych z brakującymi danymi, które są powiązane z brakującymi danymi, które byłyby związane z brakującymi danymi.