Toolkit de Coordenação e Projeto de Coaching (CTAC)

Antecedentes: Veteranos de alto risco são definidos como indivíduos que correm maior risco de resultados clínicos ruins e maior uso de serviços de saúde não planejados em relação a seus colegas de não alto risco. Esses veteranos geralmente têm vários problemas crônicos de saúde e são vulneráveis ​​a lacunas nos cuidados devido ao funcionamento físico, psicológico e/ou social prejudicado. Apesar dos esforços para integrar o atendimento por meio das Equipes de Atendimento Alinhado ao Paciente (PACT) do VA na atenção primária, persistem déficits na coordenação do atendimento. Em VA, a maioria dos veteranos de alto risco são gerenciados na atenção primária, em vez de um serviço especializado. Esperava-se que o PACT melhorasse a coordenação do cuidado ao criar o papel de gerente do cuidado para o enfermeiro da equipe do PACT. No entanto, tem havido desafios significativos na implementação do papel de gestor de cuidados como pretendido. Muitos dos desafios da coordenação do cuidado envolvem a "vizinhança médica" fora do PACT.

Para melhorar a qualidade da coordenação do cuidado em atendimento ambulatorial e também desenvolver melhores métodos para disseminar inovações, o projeto Coordination Toolkit and Coaching foi financiado pela Quality Enhancement Research Initiative (QUERI) do VA. Este projeto desenvolve e pilota um kit de ferramentas on-line e um processo de treinamento à distância e, em seguida, compara a eficácia do kit de ferramentas sozinho com a combinação do kit de ferramentas mais o treinamento à distância para melhorar a experiência de atendimento dos pacientes com AV. Tanto o kit de ferramentas quanto as estratégias de kit de ferramentas/coaching combinadas foram usadas individualmente em iniciativas de melhoria da qualidade de AV, e cada estratégia foi comparada individualmente com outras alternativas. No entanto, até onde os investigadores sabem, essas estratégias não foram formalmente comparadas frente a frente.

Informações adicionais sobre o resultado: O principal resultado do projeto é uma medida da experiência do paciente, a Health System Hassles Scale. Esta escala de 16 itens faz perguntas aos pacientes, como se seus medicamentos estão sendo reabastecidos a tempo, se receberam informações sobre o motivo pelo qual foram encaminhados a um especialista, se houve comunicação ruim entre médicos ou clínicas diferentes ou se houve divergências entre médicos sobre o diagnóstico do paciente ou o melhor tratamento para o paciente.

Cálculos do tamanho da amostra: O cálculo do tamanho da amostra para este estudo é baseado em uma simples presunção de uma análise de diferença em diferenças (ao longo dos dois pontos de tempo) para a comparação das duas estratégias de implementação. O resultado primário é a Escala de Problemas do Sistema de Saúde. Os investigadores assumem 12 clínicas no estudo (6 por grupo de estudo), que serão vistas como clusters para avaliar o tamanho da amostra. Como o número de pacientes por conglomerado pode variar, os investigadores assumem um coeficiente de variação dos tamanhos dos conglomerados de cerca de 0,9. Com um tamanho de efeito de 0,3 desvios padrão (que é considerado um tamanho de efeito pequeno a médio na terminologia de Cohen) para a análise de diferença em diferença e uma correlação intra-cluster de 0,023 (com base na avaliação preliminar de dados anteriores), então, com poder de 80% e nível de significância bilateral de 5%, são necessários 149 pacientes por clínica para um total de 1.788 pacientes (divididos igualmente entre os dois grupos).

Plano de Análise Estatística: O endpoint primário da Health System Hassles Scale será comparado entre os dois grupos de implementação (kit de ferramentas e kit de ferramentas/coaching combinados) usando uma análise de diferença em diferenças (entre os dois pontos de tempo: linha de base e 12 meses) ajustada para o agrupamento por clínica. Esta análise será realizada inicialmente com um modelo linear geral usando a diferença entre pontos de tempo como variável dependente e grupo de estudo como variável independente, com clínica como variável de agrupamento (e, portanto, usando uma matriz de variância-covariância apropriadamente escolhida). Um modelo de ajuste adicional pode incorporar covariáveis ​​apropriadas, incluindo fatores no nível do paciente, como sexo, idade e uso de cuidados não-AV.