Horários de trabalho que promovem a saúde: o efeito da abolição dos retornos rápidos (HeWoS)

Objetivos Este é um estudo randomizado controlado de dois braços que avalia as consequências de um horário de trabalho por turnos sem retornos rápidos por seis meses, em comparação com um cronograma que inclui retornos rápidos. Primeiramente, examinaremos qualquer mudança diferencial na ausência por doença, durante o período de intervenção de seis meses. Em segundo lugar, examinaremos se há alterações diferenciais no sono e funcionamento, saúde física e mental, acidentes de trabalho, intenção de rotatividade, entre outros. Em terceiro lugar, investigaremos se as características individuais associadas à tolerância ao trabalho em turnos, incluindo sexo, idade, personalidade e necessidade de sono relatada subjetivamente, moderarão os efeitos negativos de retornos rápidos nos resultados primários e secundários. Por fim, o estudo investigará se fatores individuais como satisfação com o horário de trabalho, satisfação no trabalho, engajamento no trabalho e interferência trabalho-família moderarão os efeitos negativos de retornos rápidos nos resultados primários e secundários.

Projeto de pesquisa Será realizado um ensaio controlado randomizado de agrupamento comparando um horário de trabalho que abole retornos rápidos (intervenção) com um horário de trabalho que mantém uma quantidade normal de retornos rápidos (controle). Os clusters representam unidades hospitalares selecionadas aleatoriamente para receber (ou não receber) a intervenção. 'Quantidade normal de retornos rápidos' refere-se ao que é prática comum na respectiva unidade hospitalar nos últimos anos (i.e., quando não houve alterações explícitas no horário de trabalho), o que significa que o número total de retornos rápidos no unidade irá variar de 329-2356 por ano. As unidades hospitalares foram randomizadas para uma das duas condições em setembro de 2020, das quais o outono de 2020 foi gasto planejando o cronograma de turnos para 2021 (ou seja, removendo retornos rápidos para o grupo de intervenção e deixando retornos rápidos intocados para o grupo de controle), com período de intervenção a partir de fevereiro/março de 2021 para a maioria das unidades. O período de intervenção neste estudo é de seis meses civis. A maioria das unidades neste ensaio inicia o período de intervenção em fevereiro/março de 2021, mas algumas unidades irão, por razões práticas, iniciar o período de intervenção na segunda metade do ano de rotação, ou seja, a partir de agosto/setembro de 2021 ou posteriormente.

O resultado primário é a ausência por doença recuperada dos registros locais mantidos pelo hospital (incluindo licença médica de curto e longo prazo). As medições da linha de base serão as ausências por doença no ano anterior à intervenção, que para cada participante individual serão combinadas em duração e estação com as do período de intervenção. Os dados de ausência por doença serão recuperados dos registros locais mantidos pelo hospital (Vedaa, Pallesen et al. 2017). Este registro inclui informações sobre a data de qualquer ausência do funcionário individual, o que implica que inclui informações sobre ausências por doença de curto e longo prazo. Além disso, esses dados incluem informações sobre se a ausência é auto-certificada ou se é certificada por um médico, se a ausência é devido a uma criança doente da qual o funcionário tem a responsabilidade de cuidador e se a ausência é devido a COVID- 19 problemas relacionados (por exemplo, quarentena). A utilização dos dados cadastrais não exigirá consentimento individual. No entanto, também será realizada uma parte do estudo com base no consentimento, na qual medidas de resultados secundários serão coletadas por meio de questionário no início do estudo e seis meses de acompanhamento. Todos os funcionários (n ≈ 4000) nas unidades randomizadas serão solicitados a preencher um questionário digital disponibilizado no site interno do hospital. A avaliação inicial ocorrerá antes do período de intervenção e a avaliação de acompanhamento ocorrerá no final do período de intervenção. Uma subamostra (n ≈ 50) será solicitada a registrar objetivamente seu sono com tecnologia avançada de radar (Somnofy™) e subjetivamente com diários de sono por ≥1 semana na linha de base e nas avaliações de acompanhamento, respectivamente.

Participantes e procedimento Recrutamento Este estudo é realizado em estreita colaboração com o departamento de recursos humanos do Haukeland University Hospital. Serão sorteadas todas as unidades hospitalares que possuem plantão 24 horas no hospital, incluindo todos os trabalhadores da saúde que trabalham em turnos, com exceção dos médicos. Os médicos não serão incluídos, pois geralmente têm um horário de turno e um esquema de remuneração diferentes em comparação com os outros grupos ocupacionais. A seguir, 'todos os funcionários' referem-se a todos os profissionais de saúde que realizam trabalho por turnos nas unidades hospitalares aleatórias, com exceção dos médicos. Todos os funcionários (n ≈ 4000) das unidades hospitalares randomizadas responderão a um questionário antes e ao final do período de intervenção. O recrutamento para esta parte do estudo será feito por meio do site interno do hospital. Pesquisadores e pessoal de recursos humanos do hospital participarão de reuniões de equipe em todas as unidades incluídas para informar sobre o projeto de pesquisa e incentivar a participação. Uma subamostra de n ≈ 50 funcionários selecionados aleatoriamente (distribuídos uniformemente da intervenção e das unidades de controle) será recrutada para a seção de monitoramento do sono do estudo.

Randomização e mascaramento A randomização neste estudo ocorreu no nível de cluster, em que as unidades hospitalares constituíram os clusters. As unidades hospitalares podem variar quanto à quantidade de pessoal que precisam ao longo do dia de 24 horas, portanto, o horário de trabalho e a ocorrência, por exemplo, de retornos rápidos e plantões noturnos podem variar entre as unidades. Unidades semelhantes foram, portanto, agrupadas com base no fato de compartilharem alguns atributos ou características. Em seguida, uma randomização estratificada foi realizada para as duas condições do estudo em uma proporção de 1:1. Um subgrupo poderia, por exemplo, consistir em unidades com funções de emergência, outro com funções de cuidados intensivos, um com cuidados de saúde mental, outro com cuidados de maternidade, etc. No total, tivemos 10 estratos e os tamanhos de cada estrato variaram entre 2 e 19 unidades hospitalares. A lista de randomização para cada estrato foi gerada pela página de randomização online, www.randomization.com, e a lista para cada estrato foi salva.

Não é possível que os participantes estejam cegos para o grupo ao qual foram designados. No entanto, as análises estatísticas serão feitas por um pesquisador mascarado para a alocação do grupo.

Tamanho da amostra Neste estudo, todas as unidades hospitalares disponíveis no Haukeland University Hospital com profissionais de saúde que trabalham em turnos rotativos serão avaliadas quanto à elegibilidade. Isso inclui 76 unidades e 4.260 profissionais de saúde. Com base em dados publicados anteriormente5, calculamos que um total de 2.028 participantes é suficiente para revelar uma diferença de dias de licença médica de 0,9 e 1,25 com um ICC de 0,1 e um tamanho médio das unidades de 52 (cálculo feito em: StataCorp. 2015).33 Assim, com a estratégia de recrutamento planejada (ou seja, convidar > 70 unidades e > 4.000 profissionais de saúde), esperamos exceder esse número e estar bem dentro do número de participantes necessários para a variável de resultado primário.

Plano de análise de dados Todas as análises serão realizadas com base na população com intenção de tratar, salvo indicação em contrário. Para examinar os efeitos de um cronograma de turnos reduzido de retornos rápidos em resultados primários e secundários, as taxas ou pontuações observadas serão analisadas por meio de modelos de crescimento latente (ou outros modelos equivalentes, como modelos mistos lineares generalizados). As taxas ou pontuações observadas antes e durante o período de intervenção serão modeladas por um intercepto aleatório e uma inclinação fixa. O efeito da intervenção será estimado usando a variável de grupo (intervenção vs. controle) como um preditor da inclinação. Os tamanhos de efeito entre grupos (d de Cohen) serão calculados dividindo-se a diferença média na mudança estimada nas pontuações desde a linha de base até a avaliação de acompanhamento pelo SD agrupado na linha de base. A máxima verossimilhança robusta será usada como estimador, fornecendo estimativas imparciais sob a suposição de dados ausentes aleatoriamente (Enders 2010), o que pode ser parcialmente atendido por meio da inclusão de pontuações de linha de base no modelo. A medida de resultado primário neste estudo são os dados de ausência por doença recuperados do registro no hospital, nos quais esperamos que não haja dados ausentes. No entanto, é razoável esperar alguns dados ausentes nas medidas de resultados secundários, pois os dados são coletados por meio de questionário ou radar do sono.

Como alguns dados para o questionário de acompanhamento e a avaliação do radar do sono não serão aleatórios, a robustez dos resultados sob a hipótese de ausência aleatória será testada por análises de sensibilidade nas quais as pontuações ausentes no acompanhamento serão substituídos por valores de linha de base para cada indivíduo respectivo. Essas análises de sensibilidade serão realizadas apenas em variáveis ​​selecionadas, dependendo do foco no respectivo artigo.

As análises de intenção de tratar podem ser acompanhadas por análises selecionadas por protocolo nas quais, com base nos dados da folha de pagamento, definimos um grupo que aboliu completamente ou teve uma redução satisfatória no número de retornos rápidos ao longo do período de intervenção.

O resultado primário da licença médica será analisado principalmente em termos do número total de dias e períodos de ausência por doença (feitiços) para um determinado período antes em comparação com durante o período de intervenção (Vedaa, Pallesen et al. 2017). Os modelos de afastamento por doença levarão em conta a inflação zero neste tipo de dados. Outras operacionalizações de ausência por doença também podem ser consideradas de acordo com as recomendações da literatura (Hensing, Alexanderson et al. 1998). Para uma investigação mais aprofundada dos dados de ausência por doença, consideraremos o uso de outros modelos onde tratamos o tempo de forma diferente. Por exemplo, vamos considerar modelos onde olhamos para o tempo até ao primeiro episódio de baixa médica para os dois grupos de intervenção, com uma covariável dependente do tempo para o número de retornos rápidos (ou seja, uma variável que aumenta 1 cada vez que a pessoa tem um retorno rápido). Outra possibilidade é dizer que os participantes começam em "0" toda vez que a pessoa tem um retorno rápido e medir o tempo desde o último retorno rápido até o primeiro episódio subsequente de licença médica, enquanto ajusta para observações repetidas com, por exemplo, estimativa de variância robusta (o grupo de não retorno rápido será então acompanhado apenas desde o início da intervenção, dado que de facto não têm retornos rápidos). Outra opção é configurar um modelo de tempo desde a licença médica até o retorno ao trabalho.

Uma vez que a introdução de um horário de trabalho sem retornos rápidos pode implicar um horário alternativo com acréscimo de outras características indesejáveis ​​(por exemplo, turnos noturnos mais consecutivos), consideraremos a realização de análises que se ajustem a tais características.

As análises de mediador e moderador serão realizadas para fins exploratórios, com base no princípio básico para tais análises em ensaios controlados randomizados conforme descrito por outros ((por exemplo, Kraemer, Wilson et al. 2002)). Por exemplo, alguns dos dados coletados sobre dados demográficos, traços de personalidade relacionados ao sono (rCTI e MEQ), saúde mental, entre outros, podem ser usados ​​para examinar fatores que podem moderar o impacto da intervenção.

Referências

Enders, C. K. (2010). Análise de dados ausentes aplicada. Nova York, NY, EUA, Guilford Press.

Hensing, G., e outros. (1998). "Como medir a ausência por doença? Revisão da literatura e sugestão de cinco medidas básicas." Jornal escandinavo de saúde pública 26: 133-144.

Kraemer, H.C., et al. (2002). "Mediadores e moderadores dos efeitos do tratamento em ensaios clínicos randomizados." Archives of General Psychiatry 59: 877-883.

Vedaa, Ø., et al. (2017). "Descanso curto entre os intervalos de turno aumenta o risco de licença médica: um estudo de registro prospectivo." Medicina Ocupacional e Ambiental 74: 496-501.