Avaliando a eficácia dos alertas de triagem lipídica pediátrica

Os pacientes elegíveis para este estudo serão randomizados em um dos quatro grupos por meio de um algoritmo de randomização de registro médico eletrônico (EMR) da Epic executado automaticamente no momento da visita:

1. Grupo de controle (atraso de 6 meses antes que seus provedores recebam um alerta)
2. Tópico de manutenção da saúde (HMT)
3. Alerta de melhores práticas (BPA)
4. Alerta de melhores práticas e tópico de manutenção da integridade (BPA+HMT)

O Geisinger Health System apresentará o painel Storyboard da Epic (uma nova maneira de resumir as informações do paciente no EMR) aproximadamente um mês após o início deste estudo. O plano de análise, portanto, testará o impacto potencial dessa mudança.

Os provedores serão solicitados a discutir e solicitar um estudo lipídico de triagem que não esteja em jejum no momento da consulta com o paciente, com base nos alertas acima. Algumas famílias terão um alerta em seu portal MyGeisinger informando que um teste de manutenção da saúde é devido e para discutir com seu provedor.

Os resultados serão revisados ​​e classificados como seguidos,

Os resultados incluirão pedidos de triagem lipídica por provedores (sim/não) e conclusões de triagem por pacientes (sim/não). Os seguintes resultados descritivos também serão fornecidos:

1. Triagem lipídica solicitada
2. Triagem lipídica solicitada e concluída
3. Triagem lipídica solicitada, mas não concluída
4. Triagem lipídica recusada com motivo
5. Alerta não teve nenhuma ação

A análise será responsável pelo aninhamento de pacientes dentro dos provedores; isso incluirá o provedor como uma variável de efeitos aleatórios em uma série de modelos de regressão logística binomial multinível, para contabilizar a correlação potencial com os pacientes. Se o coeficiente de correlação intraclasse for baixo, apenas os modelos de regressão logística em nível de paciente serão conduzidos. No primeiro modelo, o controle passivo servirá como grupo de referência, para testar se cada uma das condições de alerta ativo tem um impacto significativo nos resultados. No segundo modelo, a condição somente BPA servirá como grupo de referência, para testar se HMT e BPA+HMT oferecem melhorias significativas no desempenho. Finalmente, o terceiro modelo usará a condição somente HMT como referência, para testar se BPA+HMT tem um impacto significativamente maior nos resultados. As interações do Storyboard X Condition serão testadas nos modelos e, se alguma for significativa, a série de modelos será conduzida separadamente em pacientes antes e depois da implementação do Storyboard na Epic, para testar se e como os resultados se replicam nos diferentes contextos .