Intervenções baseadas em texto para promover vacinas contra a COVID-19

Este estudo investiga se e qual tipo de intervenção baseada em texto afeta a aceitação da vacina COVID-19. A principal questão de pesquisa é se a aceitação da vacina pode ser impulsionada por uma intervenção de mensagem de texto incentivando os pacientes elegíveis a agendar uma consulta de vacinação. Os pacientes, ao se tornarem elegíveis para receber a vacina COVID-19 na UCLA Health, serão primeiro notificados sobre sua elegibilidade e incentivados a agendar uma consulta de vacinação por meio de um dos canais (e-mail, chamada de voz ou correio tradicional), dependendo das informações de contato disponível para a UCLA Health. Em seguida, os pacientes elegíveis para o estudo serão randomizados em uma proporção de 1:4 em um braço de controle que não recebe uma mensagem de texto versus um braço de mensagem de texto que recebe uma mensagem de texto.

A questão de pesquisa secundária diz respeito a qual tipo de mensagem de texto é mais eficaz. Para estudar esta questão, será usado um design fatorial 2x2 aninhado dentro do braço da mensagem de texto, onde os dois fatores serão a) se os pacientes recebem o link para um vídeo educacional projetado especificamente para mudar as intenções dos pacientes de obter o COVID-19 vacina eb) se a mensagem de texto contém linguagem destinada a encorajar os pacientes a cumprir suas intenções.

• No braço Holdout: os pacientes não receberão mensagens de texto sobre a vacina COVID.

• No braço de mensagem de texto, todos os participantes receberão uma mensagem de texto que os convida a agendar sua consulta de vacinação e inclui um link para o site de agendamento

  • No subgrupo Texto Simples, os participantes não receberão nenhuma informação adicional.
  • No subgrupo Texto+Vídeo Simples, juntamente com o link do compromisso, os participantes também receberão um link para um vídeo de 2 minutos na mensagem de texto. O vídeo contém informações sobre a prevalência da COVID-19 e a eficácia e segurança da vacina contra a COVID-19.
  • No subbraço Enhanced Text, além do link de consulta, a mensagem de texto usará linguagem aprimorada com o objetivo de reduzir as barreiras psicológicas que impedem o paciente de agendar sua consulta.
  • No subgrupo Texto+Vídeo Aprimorado, além do link para consulta, a mensagem de texto incentivará os pacientes a assistir a um vídeo de 2 minutos (o mesmo que no subgrupo Texto+Vídeo Simples) e usar linguagem aprimorada voltada para reduzindo as barreiras psicológicas dos pacientes de cumprir o agendamento de uma consulta.

Os pacientes entrarão em nosso estudo de forma contínua, à medida que se tornarem elegíveis para receber a vacina (e se atenderem aos nossos critérios de inclusão). Para o primeiro lote de pacientes, aqueles no braço de mensagem de texto receberão a mensagem de texto dentro de 4 a 10 dias após o envio do convite inicial (porque a infraestrutura de execução deste estudo não está pronta até então). Para lotes subsequentes de pacientes, eles serão randomizados e receberão a mensagem de texto (se não estiverem no braço de espera) no primeiro dia da semana após o envio da comunicação inicial. Mediremos a) se os pacientes agendam uma consulta de vacinação contra a COVID-19 para a primeira dose e b) se e quando os pacientes recebem a primeira dose da vacina contra a COVID-19.

Análise:

Para a análise principal, executaremos regressões de mínimos quadrados comuns (OLS) com erros padrão robustos para prever as variáveis ​​de resultado mencionadas, exceto que usaremos um modelo de riscos proporcionais de Cox com censura administrativa para prever o tempo de obtenção da primeira vacina COVID-19 . O nível de significância será de 0,05. Nossa hipótese principal é que o braço de mensagem de texto é significativamente melhor do que o braço de controle, então nossa análise primária comparará os quatro subgrupos de mensagem de texto todos juntos com o grupo de controle.

Nossa análise secundária investigará se (1) o subgrupo de texto simples, (2) os dois subgrupos contendo um vídeo e (3) os dois subgrupos contendo linguagem aprimorada são melhores do que o braço de validação.

Além disso, testaremos (1) o efeito de adicionar um vídeo (vs. sem vídeo) ao texto, (2) o efeito de adicionar linguagem aprimorada (vs não adicionar linguagem aprimorada) e (3) se a combinação de vídeo e linguagem aprimorada superará o vídeo sozinho ou a linguagem aprimorada sozinha.

Nossas regressões incluirão as seguintes variáveis ​​de controle:

• idade do participante
• Indicadores de raça/etnia do participante (negro não hispânico, hispânico, asiático não hispânico, branco não hispânico, outro/misto, desconhecido; branco não hispânico omitido)
• Se o idioma preferido do paciente é espanhol (o que afeta o idioma do texto)
• Indicadores de gênero do participante (masculino, feminino, outro/desconhecido)
• Pontuação do índice de vulnerabilidade social
• Modelo de Fatores de Risco COVID19
• Indicadores para os lotes de pacientes (os pacientes se tornarão elegíveis e receberão comunicações iniciais em lotes)

Como verificação de robustez, executaremos novamente a análise como uma regressão logit (em vez de uma regressão OLS) para variáveis ​​binárias de resultado.

Vamos explorar os seguintes moderadores:

• Se o paciente é do sexo feminino ou masculino
• Se o paciente é negro, caucasiano, hispânico ou outro
• Se o idioma preferido do paciente é o espanhol
• Se o paciente tem mais de 65 anos (incluindo 65) ou menos de 65
• Pontuação do índice de vulnerabilidade social do paciente
• Pontuação de risco de COVID do paciente
• Pontuação de risco da população do paciente
• Se o paciente é casado (o que indica se ele mora junto com familiares)
• Se o paciente recebeu ou não uma vacina contra a gripe na temporada 2019-2020 ou na temporada 2020-2021 da gripe antes de receber nossa mensagem de texto de acordo com o registro médico do paciente
• O dia da semana em que a mensagem de texto é enviada a um paciente. Vamos comparar cada dia da semana.
• Quão fortemente a vizinhança do participante é a favor do republicano (vs. Democrática) se a UCLA Health eventualmente concordar em fornecer um endereço não identificado (por exemplo, código postal).

Plano para análises iniciais e subsequentes

Para informar a política o mais rápido possível, planejamos primeiro avaliar os efeitos de nossas intervenções na fase inicial da divulgação da vacinação na UCLA Health. Para isso, planejamos primeiro analisar os dados desde o início deste RCT até o final de fevereiro. Dado que estamos usando uma janela de tempo de 6 dias para nossa variável dependente primária, examinaremos os dados de pacientes que são randomizados para o braço de validação ou mensagem de texto neste RCT antes ou em 23 de fevereiro de 2021. Para esta população, vamos testar:

1. se o braço de mensagem de texto é significativamente melhor do que o braço de validação;
2. se o subgrupo Texto Simples, os dois subgrupos contendo um vídeo e os dois subgrupos contendo linguagem aprimorada são melhores do que o braço de validação
3. o efeito de adicionar um vídeo (vs. sem vídeo) ao texto
4. o efeito de adicionar linguagem aprimorada (vs não adicionar linguagem aprimorada)
5. se (1), (2), (3) e (4) varia com base em se os pacientes receberam a vacinação contra gripe na temporada 2019-2020 ou na temporada 2020-2021
6. relataremos os dados brutos para cada sub-grupo sem realizar testes de hipótese em condições que não são pré-registradas em (1)-(4).

Em nossa análise inicial, incluiremos os controles que estão disponíveis para nós (é possível que não tenhamos todos os controles descritos acima no momento do relatório inicial).

Depois que todos os pacientes da UCLA forem convidados (ou se o plano de distribuição de vacinas mudar e a UCLA Health não enviar mais mensagens de texto aos pacientes em algum momento), faremos as seguintes análises adicionais:

• Se os dados adicionais coletados posteriormente excederem 30K (o que nos dá 80% de poder para detectar uma diferença de 2pp entre o braço de controle e o braço de mensagem de texto, assumindo que o braço de controle tenha uma linha de base de 50%), analisaremos o efeito principal do envio uma mensagem de texto (vs. holdout) e relatar os dados brutos para cada sub-braço (para ver se os padrões são qualitativamente comparáveis ​​com os dos primeiros dados).
• Usaremos a amostra completa (incluindo os dados iniciais e dados subsequentes) para analisar (1) se a combinação de vídeo e linguagem aprimorada superará o vídeo sozinho ou a linguagem aprimorada sozinha e (2) o efeito de tratamento heterogêneo mencionado acima.