Mobilne podejście tekstowe do pomiaru i informacji zwrotnej dla koordynacji opieki kompleksowej (SMARTwrap)

Celem tego badania fazy II SBIR jest opracowanie i przetestowanie nowatorskiego systemu pomiaru i informacji zwrotnej dostosowanego do Modelu Usług Wraparound (WSM), zwanego SMART-Wrap. Cel 3 obejmuje kontrolowane badanie skuteczności SMART-Wrap, w którym wezmą udział 2 organizacje świadczące usługi WSM (WPO) w równoległym badaniu randomizowanym z randomizacją grup. Stosując kaskadową strategię rekrutacji, zostanie zrekrutowanych 24 zespoły opieki, przy czym 12 zespołów zostanie losowo przydzielonych do interwencji SMART-Wrap, a 12 do „usług standardowych” (SAU), z warstwowaniem według superwizora w celu zrównoważenia efektów klastrowania. Randomizacja zostanie przeprowadzona na poziomie koordynatora opieki (CC). Każdy superwizor WPO (n = 12) będzie miał równą liczbę CC przypisanych do każdego warunku (ok. 2 CC na superwizora), co da 6 superwizorów w każdym warunku (4 na WPO). Uczestnicy zespołów opieki muszą zgodzić się na korzystanie z prototypu SMART-Wrap jako części swojego WSM w ciągu 8-miesięcznego okresu testowego oraz wypełniać pomiary wyników usług i wdrażania. Wykorzystanie przez CC standaryzowanej oceny, rewizji planu i innych zachowań promowanych przez SMART-Wrap będzie oceniane za pomocą comiesięcznych ankiet internetowych. Badacze zrekrutują n=5 opiekunów (CG) na CC, którzy będą głównym przedmiotem zbierania danych. Da to całkowitą zrekrutowaną próbę N=120 (n=60 na grupę) opiekunów młodzieży w wieku 8-17 lat z SED. Uczestnicy rodzinni będą uczestniczyć przez łącznie 4 miesiące, rozpoczynając w ciągu 4-miesięcznego okresu rekrutacji. Uczestnicy rodzinni będą odpowiadać na pomiary dotyczące usług i wyników młodzieży na początku i po 4 miesiącach.

Badacze stawiają następujące hipotezy dotyczące naszych głównych wyników: (1) w porównaniu z zespołami opieki w grupie kontrolnej, zespoły opieki w grupie SMART-Wrap wykazują (a) większe wykorzystanie danych i informacji zwrotnej w świadczeniu usług; (b) większą wierność procesowi Wraparound; (c) wyższe samoocenione współdziałanie w zespole, sojusz terapeutyczny i satysfakcję z interwencji; oraz (d) bardziej pozytywne nastawienie do standaryzowanej oceny; oraz (2) w porównaniu z grupą kontrolną, opiekunowie młodzieży otrzymującej usługi od zespołów opieki korzystających z SMART-Wrap zgłoszą (a) większą jasność celów; (b) większe wykorzystanie strategii MBC; (c) większą satysfakcję z usług i postępów; (d) lepszą wierność Wraparound; (e) bardziej efektywne funkcjonowanie zespołu; oraz (f) bardziej pozytywne wyniki, w tym zmniejszony stres opiekuna oraz poprawę objawów i funkcjonowania.

Nasze hipotezy eksploracyjne skupiają się na superwizji, aby zbadać, czy (1) superwizorzy randomizowani do SMART-Wrap zgłaszają (a) większą proporcję czasu superwizji poświęconego na przeglądanie danych dotyczących postępów rodziny oraz konceptualizacji przypadku i strategii; (b) większy sojusz z koordynatorem opieki oraz (c) większe postrzeganie skuteczności CC. Badacze będą również badać (2) trafność pomiaru SMART-Wrap, pytając, czy domeny oceniane za pomocą SMART-Wrap w świadczeniu usług (np. sojusz, postępy, satysfakcja, funkcjonowanie) są powiązane z danymi zebranymi przez zewnętrzny zespół badawczy za pomocą wywiadów i ankiet.

Aby ocenić różnice w wynikach młodzieży i CG (funkcjonowanie młodzieży w Top Problem Assessment (TPA), objawy młodzieży w Brief Problem Checklist (BPC) oraz obciążenie opiekuna w Caregiver Strain Questionnaire (CSGQ), badacze użyją serii 3-poziomowych podłużnych hierarchicznych modeli liniowych (oddzielny model na zmienną wynikową) do porównania różnic w grupowych tempach zmian i średnich wynikach w punktach czasowych na podstawie warunku interwencji. Badacze będą również testować krzywoliniowe trendy czasowe na pięciu punktach czasowych danych z TPA.

Aby ocenić wyniki wdrażania, badacze przeprowadzą następujące analizy. Seria 2-poziomowych przekrojowych HLM z rodzinami zagnieżdżonymi w CC zostanie uruchomiona, aby ocenić wierność Wraparound CG i CC na Wraparound Fidelity Index, Brief Version jako funkcję warunku interwencji. Oddzielne 3-poziomowe podłużne HLM zostaną uruchomione, aby przetestować różnice, jako funkcję warunku interwencji, w satysfakcji CC na Therapist Satisfaction Inventory, nastawieniu do standaryzowanej oceny na skali Attitudes Towards Standardized Assessment oraz odsetku czasu podczas spotkań superwizyjnych poświęconego (1) przeglądaniu danych dotyczących postępów rodziny oraz (2) konceptualizacji przypadku i strategii na Supervision Process Questionnaire (SPQ) (z poziomami dla punktu czasowego, CC i superwizora na SPQ). Podłużne HLM zostaną uruchomione, badając tempo zmian w wykorzystaniu danych/informacji zwrotnej oraz innych celów MFS na Monthly CC Report (MCR) i Monthly CG Report (MPR), a badacze będą testować krzywoliniowe trendy w ciągu 5 miesięcy. Badacze zbadają różnice w sojuszu CG i CC na Working Alliance Inventory, satysfakcji i frekwencji za pomocą HLM. Rezygnacja jest dwumianowa; zatem badacze użyją Hierarchical Generalized Modeling, funkcji log-link do oszacowania szans rezygnacji.

Aby ocenić analizy eksploracyjne, badacze przeprowadzą następujące analizy. Za pomocą dwóch HLM badacze będą przewidywać trajektorie funkcjonowania młodzieży (np. TPA), uwzględniając zmienne w czasie zmiany w sumarycznych wynikach MCR i MPR. Aby zbadać trafność pomiaru SMART-Wrap, badacze powiążą pomiary SMART-Wrap z innymi pomiarami. Korzystając z współczynnika korelacji Pearsona r i współczynników korelacji wewnątrzklasowej (ICC), badacze zbadają związek między dopasowanymi czasowo wynikami CC dotyczącymi funkcjonowania młodzieży w SMART-Wrap a ocenami CG na TPA, CGSQ i BPC. Badacze będą również badać korelacje Pearsona r między ocenami postępów według SMART-Wrap a tempem zmian obliczonym przez HLM na TPA ocenianym przez opiekuna. Badacze zbadają związek między satysfakcją rodzica odnotowaną w SMART-Wrap a wynikami Parent Satisfaction. Po drugie, badacze będą badać, jak wykorzystanie systemu może być istotnie związane z poprawą w kilku wynikach, w tym wierności, sojuszu terapeutycznego oraz problemów i objawów młodzieży. Predyktorami będą wykorzystanie elementów systemu SMART-Wrap przez CC i superwizora, kompletność danych oraz czas w systemie. Do tych analiz badacze użyją HLM odpowiednich do zmiennych zależnych (podłużnych lub przekrojowych). We wszystkich analizach badacze będą modelować dane brakujące losowo przy użyciu pełnej estymacji największej wiarygodności, aby uwzględnić obciążenie związane z utratą uczestników, oraz będą kontrolować wielokrotne porównania za pomocą wskaźników fałszywego odkrycia.