"OnCall": Estudo de Implementação de M-Health para Pessoal Canadense de Segurança Pública (OnCall)

Pessoal de Segurança Pública (PSP), incluindo, mas não limitado a trabalhadores correcionais, comunicações de emergência, bombeiros, paramédicos e policiais, têm um risco elevado de lesão por estresse pós-traumático (PTSI) devido à natureza desafiadora de seu trabalho. Infelizmente, eles também enfrentam barreiras para buscar apoio devido ao estigma combinado com crenças de gênero em relação à percepção de fraqueza, pressão para controlar emoções e relutância em procurar ajuda, bem como falta de acesso a cuidados oportunos e de alta qualidade, principalmente para aqueles que trabalham. em áreas rurais ou remotas. O apoio de pares é altamente valorizado, no entanto, os serviços de apoio de pares são muitas vezes fragmentados com inconsistências na formação e modelos variados de prestação de serviços, e quase não há avaliações sistemáticas para informar melhorias contínuas. A tecnologia de saúde móvel (aplicativos de saúde móvel) pode ser uma abordagem eficaz e eficiente para alcançar um grande número de PSP, independentemente da localização, e um canal acessível para suporte de pares (e profissionais). Este estudo de pesquisa explorará a implementação e o impacto de uma nova plataforma de saúde móvel (OnCall e OnCallSupport) que é personalizada para o pessoal de segurança pública.

Há dois conjuntos de questões de pesquisa que orientam este projeto. O primeiro conjunto refere-se à implementação; Como o PSP da linha de frente utiliza o aplicativo de suporte OnCall? Como esses padrões de uso mudam ao longo do tempo? Quais forças organizacionais e sociais moldam os padrões de uso de aplicativos? A Estrutura Consolidada para Pesquisa de Implementação (CFIR) será usada para orientar a coleta e análise de dados da implementação do aplicativo. O segundo conjunto de perguntas está relacionado ao impacto do aplicativo nos usuários do serviço. O uso do aplicativo aumenta o alcance do suporte de pares? O suporte de pares fornecido no aplicativo reduz os níveis de sofrimento mental? O uso do aplicativo afeta a alfabetização em saúde mental, sintomas de ansiedade, depressão e transtorno de estresse pós-traumático (TEPT) e/ou desempenho no trabalho?

A implementação do aplicativo será estudada durante um período de 6 meses com funcionários de 6 a 8 organizações PSP. As organizações serão selecionadas intencionalmente para explorar as diferenças de tamanho, localização geográfica e tipo de serviço. Todas as organizações participantes devem ter um programa de suporte de pares estabelecido, com treinamento estabelecido e suporte contínuo para os provedores de pares. As organizações também devem identificar 1-2 defensores organizacionais que farão a ligação com a equipe de pesquisa, líderes organizacionais e funcionários da linha de frente. Os provedores de pares dentro da organização serão orientados para o aplicativo OnCallSupport e solicitados a fornecer suporte por meio dessa plataforma de saúde móvel. Todos os funcionários de cada organização serão convidados a baixar o aplicativo OnCall por meio de tokens fornecidos pela equipe de pesquisa. Nenhum dado pessoal é coletado no aplicativo e as conexões com os provedores pares são totalmente privadas. Os funcionários também serão convidados a preencher pesquisas de acompanhamento de linha de base, 3 meses e 6 meses para rastrear mudanças no alcance de ajuda, alfabetização em saúde mental, sintomas de ansiedade, depressão e TEPT, bem como desempenho no trabalho. Os funcionários podem usar o aplicativo sem participar das pesquisas online.

A coleta de dados incluirá: a) entrevistas com campeões em cada organização no início e no final do teste de 6 meses, b) pesquisas com usuários do aplicativo na linha de base, 3 meses e 6 meses, c) revisão do aplicativo anônimo e agregado dados de utilização, durante o período experimental ed) discussões de grupos focais com provedores de suporte de pares em 1 mês e 6 meses.

A análise dos dados de implementação (transcrições de entrevistas com defensores organizacionais, transcrições de grupos focais com provedores de suporte de pares e análise de software re: padrões de uso de aplicativos) serão informados pela estrutura CFIR para identificar como o ambiente externo, o ambiente interno, a intervenção, os participantes e o processo de implementação afetam a forma como os funcionários respondem ao aplicativo.

A análise dos dados de impacto incluirá a avaliação de se há uma mudança significativa ao longo do tempo em cada um dos resultados (ajuda, alfabetização em saúde mental, sintomas de ansiedade, depressão, PTSD, desempenho no trabalho). Os dados pré/pós da linha de base, pesquisas de acompanhamento de 3 e 6 meses serão comparados para rastrear mudanças nas dimensões de alfabetização em saúde mental, níveis de sofrimento mental (avaliações padronizadas de ansiedade, depressão, PTSD) e frequência de divulgação comportamentos na busca de apoio em saúde mental. Os dados serão comparados entre as organizações para destacar os vínculos entre a implementação e os resultados. Análises de regressão linear hierárquica múltipla serão conduzidas para examinar as diferenças na eficácia com base em gênero, serviço e estabilidade no emprego. Variáveis ​​demográficas serão usadas como variáveis ​​independentes de etapa primária, com cada variável de resultado primária definida como a variável dependente para uma regressão dedicada. Os investigadores incluirão uma análise baseada em sexo e gênero (SGBA), uma vez que o sexo biológico e o gênero socialmente construído podem afetar as respostas ao estresse, a saúde mental e o alcance da ajuda. O gênero é particularmente importante no que diz respeito às necessidades de apoio entre pares, envolvimento com a tecnologia e resultados de saúde mental. De acordo com as diretrizes de Equidade de Sexo e Gênero na Pesquisa (SAGER), o gênero será considerado durante todo o projeto e análise. Tanto nas análises quantitativas quanto nas qualitativas, o gênero será considerado como um potencial mediador. Para a modelagem de regressão, o gênero será incluído como uma covariável, considerando as interações entre o gênero e outras variáveis ​​e, sempre que possível, a modelagem desagregada será realizada para homens e mulheres para determinar se existem diferenças.

A análise de todas as fontes de dados será usada para gerar recomendações para otimizar a implementação e o impacto em nível individual e organizacional.